我想知道是否有人可以帮助我了解如何使用 Hive 的 regexp_replace 函数来捕获正则表达式中的组并在替换字符串中使用这些组。
我有一个我正在解决的示例问题,涉及日期修改。在此示例中,我的目标是采用与 SimpleDateFormat 解析不兼容的字符串日期并进行小幅调整以使其兼容。日期字符串(如下所示)需要在字符串中的偏移符号 (+/-) 前加上“GMT”。
因此,给定输入:
'2015-01-01 02:03:04 +0:00'
-or-
'2015-01-01 02:03:04 -1:00'
我想要输出:
'2015-01-01 02:03:04 GMT+0:00'
-or-
'2015-01-01 02:03:04 GMT-1:00'
这是一个我“认为”可行的语句的简单示例,但我得到了奇怪的输出。
hive 查询:
select regexp_replace('2015-01-01 02:03:04 +0:00', ' ([+-])', ' GMT\1');
实际结果:
2015-01-01 02:03:04 GMT10:00
请注意,“\1”应该输出匹配的组,而是用数字“1”替换匹配的组。
谁能帮我理解在替换字符串中引用/输出匹配组的正确方法?
谢谢!
最佳答案
对于正则表达式反向引用,Hive 支持的符号(至少对于 0.14,我想我记得对于 0.13.x 也是这样)对于捕获组 1 似乎是 $1
, $2
用于捕获组 2 等。看起来它基于(甚至可能由)replaceAll method from the Matcher class 实现.这是该文档的相关部分:
Dollar signs may be treated as references to captured subsequences as described above, and backslashes are used to escape literal characters in the replacement string.
所以我想你想要的是:
select regexp_replace('2015-01-01 02:03:04 +0:00', ' ([+-])', ' GMT$1');
例如:
hive> select regexp_replace('2015-01-01 02:03:04 +0:00', ' ([+-])', ' GMT$1');
OK
2015-01-01 02:03:04 GMT+0:00
Time taken: 0.072 seconds, Fetched: 1 row(s)
hive> select regexp_replace('2015-01-01 02:03:04 -1:00', ' ([+-])', ' GMT$1');
OK
2015-01-01 02:03:04 GMT-1:00
Time taken: 0.144 seconds, Fetched: 1 row(s)
关于REGEXP_REPLACE 捕获组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28592180/