Question

我正在使用Hive并尝试清理可能包含多个不需要的数据的数据。想知道我是否可以在多个条件下使用单个regexp_replace或translate函数。

对于Eg。如果字符串是2000 Helen St - DO NOT USE 我需要替换/修剪- DO NOT USE并将St更改为Street。输出应为2000 Helen Street。

类似地

3000 Cross St应为3000 Cross Street，
4000 Mascot Dr应为4000 Mascot Drive
等..

大约有10个或更多这样的清理条件，输入字符串可以满足0或多个条件标准。这些条件可以设置为单个regexp_replace吗？

Answer 1

您可以轻松组合模板以删除子字符串或使用OR（|）替换相同的值。在其他情况下，请使用多个regexp_replace：

例如，如果您要删除“测试”＆＃39;和＆＃39; - 不要使用＆＃39;并取代＆＃39; Dr＆＃39;与＆＃39; Street＆＃39;：

hive> select regexp_replace(
                  regexp_replace('TEST 2000 Helen St - DO NOT USE',
                                 '[- ]*DO NOT USE|TEST( *|$)',''),
                          'St([ ]*|$)','Street'  
                  );
OK
2000 Helen Street
Time taken: 0.055 seconds, Fetched: 1 row(s)

删除＆＃39; TEST＆＃39;和＆＃39; - 不要使用＆＃39; - 这些组合成单个模板。＆＃39;圣＆＃39;取而代之的是＆＃39; Street＆＃39; - 这是第二个regexp_replace。当然这只是一个例子。

Hive - 对多个替换条件使用replace或regexp_replace函数

1 个答案: