【Hive】正则表达式匹配/过滤中文汉字

最新推荐文章于 2023-12-08 16:52:23 发布
最新推荐文章于 2023-12-08 16:52:23 发布
阅读量6.1k 收藏 14
点赞数
CC 4.0 BY-SA版权
分类专栏： Hive
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37773338/article/details/106993947
本文介绍如何在Hive SQL中使用not rlike操作符过滤包含特定Unicode范围内的中文字符的记录。通过示例展示了在Hive SQL和Shell终端中执行SQL语句的具体语法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 如果是Hivesql，则如下：

select * from table_xxx where info not rlike '[\\u4e00-\\u9fa5]'

如果是在Shell终端调用，则如下： 

hive -e "select * from table_xxx where info not rlike '[\\\u4e00-\\\u9fa5]'"

 

Hive正则表达式基础用法与应用
石榴姐yyds
03-14 208
regexp_extract(address, '([\\u4e00-\\u9fa5]{2,5}区)', 1) AS district,regexp_extract(address, '([\\u4e00-\\u9fa5]{2,5}[镇乡])', 1) AS town,regexp_extract(address, '([\\u4e00-\\u9fa5]{2,5}市)', 1) AS city,regexp_extract(address, '(\\d+号)', 1) AS street_num。
Hive正则表达式应用2：在制造业的八大应用场景
石榴姐yyds
03-15 63
通过以上案例，Hive正则表达式可有效解决制造业中80%以上的文本数据处理需求，建议结合Hive的UDF功能开发企业级数据清洗工具包。：在10亿条设备日志中查询特定错误类型。：从CNC机床日志提取加工参数。：分解MES系统下发的工单指令。（模块代码+错误类型+顺序号）：将ERP系统物料编码标准化。：解析激光打标的产品追溯码。：从维修记录中提取故障代码。-- 提取设备类型+错误代码。：生成设备能耗时间序列报表。：解析电力监控系统数据。：检测设备操作违规记录。使用前缀过滤缩小数据集。返回25而非25.5。
Hive正则表达式regexp_replace，截取后提取_汉字_字母_数字
m0_59789299的博客
08-23 8436
Hive　　regexp_replace函数 建表　插入测试数据 从字符串中按截取长度提取 汉字/数字/字母。 截取字符串中的汉字“汤姆Tom123那That个456猫Cat789” selectregexp_replace(substr(e.ename,2,6),'([^\\u4E00-\\u9FA5]+)','') frommydb.emp_m e wheree.empno=8006; 返回结果： ２.截取字符串中的数字。“汤姆Tom123那Tha...
hive中文匹配之正则表达式
好好学习,天天向上的博客
04-24 5594
1、regexp 语法：A regexp B 返回值：string 说明：功能与rlike类似 2、regexp_extract 语法：regexp extract(string subject,string pattern,int index） 返回值：string 说明：将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符，即第一参数：要处理的字段，第二参数需...
hive正则表达式匹配中文或者字符
Chao_Qing的专栏
05-19 1万+
hive正则表达式匹配中文或者字符regexp_replace()regexp_extract() regexp_replace() 案例1： select regexp_replace('四川成都市A-17号','[^A-Za-z0-9\\u4e00-\\u9fa5]',''); 结果： 四川成都市A17号 解释： 替换非字符(大小写)，非数字和非中文的字符。 regexp_extract() 案例2： select regexp_extract('四川成都市A-17号','[^A-Za-z0-9\\u4
Hive 正则表达式使用 与 匹配中文
热门推荐
图特摩斯科技-博客
09-09 2万+
1.regexp语法: A REGEXP B 描述: 功能与RLIKE相同 2.regexp_extract 3.regexp_replace
hive 正则表达式 过滤字符串里的中文
qq_37743098的博客
06-10 7130
这样是对的： regexp_replace('letv 乐21 你好11','[\\u4e00-\\u9fa5]+','') 正文： 想要取出来这个字符串里的英文和数字包括空格 ‘letv 乐21 你好11’ 尝试过了各种方法 ，例如这样： 总是不对。 所以换一种思路匹配中文并把它替换成’’ 结果就对了。 被正则表达式支配的今天。 ...
正则表达式 Oracle 匹配数字
最新发布
07-26
首先，用户的问题是关于在Oracle数据库中使用正则表达式匹配数字的方法和示例。用户引用了几个参考，但我要确保回答基于这些引用和用户的需求。 用户提供的引用： - 引用[1]：关于正则表达式，特别是非句号的匹配和...
HiveSQL 使用正则表达式 提取文本中座机号 的方法和示例
06-20
在Hive中，`regexp_extract`函数用于从字符串中提取匹配正则表达式的部分。语法是`regexp_extract(string,pattern,index)`。对于座机号，我需要定义一个正则表达式模式。座机号格式在中国常见为：区号（3或4位）后跟...
使用正则匹配去掉SQL文本中的注释
knowfarhhy
09-26 2690
如何去掉SQL中的注释，其中注释包含了 /***/ // 等格式： Pattern p = Pattern.compile("(?ms)('(?:''|[^'])*')|--.*?$|//.*?$|/\\*.*?\\*/|#.*?$|"); String presult = p.matcher(sql).replaceAll("$1"); System.out.println(presult); ...
匹配中文汉字的正则表达式介绍
10-24
主要介绍了匹配中文汉字的正则表达式介绍,本文同时讲解了匹配中文字符的正则和匹配双字节字符的正则,需要的朋友可以参考下
hive：正则：匹配中文/英文/数字（REGEXP 和 rlike）
Vulpes corsac
12-13 1万+
目录 1：匹配数字 数字在0到3位 数字固定有6位 第二位为数字6的，有且只有两位数 第二位为数字6的，但不只有两位数 第二位为数字6的，后边再追加1到2位数字 手机号|邮箱中含有手机号的邮箱 2：匹配中文 纯中文（不含有英文和数字的） 含有中文的（只要含有汉字都可以） 不含有中文 3：匹配英文 只包含小写英文 不含有任何小写英文字符 任何包含英文的（大小写都包括） 不含有任何英文字符的（大小写都包括） 表达式实例介绍 数据： Java开发工程师 Ja...
hive--正则匹配
qq_46893497的博客
06-29 4067
文章目录1、匹配含有中文的2、匹配纯中文的3、匹配不含有中文的4、匹配只包含小写英文5、匹配不包含任何英文字符6、参考拓展 1、匹配含有中文的 name regexp '[\\u4E00-\\u9FFF]+' 2、匹配纯中文的 1） name not REGEXP '[u0391-uFFE5]' 2） regexp_like( name,'[\u4e00-\u9fa5]+','') =true 3、匹配不含有中文的 not regexp(name,'[\\u4E00-\\u9FFF]+')
hive匹配中文及字母
12-08 1003
【代码】hive匹配中文及字母。
hive匹配中文
weixin_33697898的博客
05-22 1658
select regexp_extract('ab中文123测试55。。', '[\u4e00-\u9fa5]+', 0) 只提出成功第一段中文汉字，结果为： 中文 select regexp_replace('ab中文123测试55。。', '[\u4e00-\u9fa5]+', "") 只去掉了中文汉字，没去掉全角符号，结果为： ab12355。。 备注uni...
hive 正则表达式 匹配中文
weixin_30335575的博客
06-26 879
例如：要取出收件人*的 select regexp_extract('收件人为小明的15622150839','收件人为([\\u4E00-\\u9FFF]+)的',1 ) from tmp.t_gg limit 1;select regexp_extract('收件人为小明的15622150839','收件人为([啊-龥]+)的',0 ) from tmp.t_gg limit...
Hive 正则匹配函数 regexp_extract
CaptionJack的专栏
02-23 1564
1。regexp_extract语法:    regexp_extract(string subject,  string pattern,  int index)返回值: string说明：  将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符。第一参数：   要处理的字段第二参数:    需要匹配的正则表达式第三个参数:0是显示与之匹配的整个字符串1 是显示...
sql匹配正则中文
丿火凤燎原的博客
11-23 5595
今天来到公司。发现一堆工单、调查发现全部是数据迁移导致的数据问题。 其中一个表单表里的数据 name和id搞反。导致出现26W的错误数据。 直接匹配正则，将储存id为中文的全部查出，然后删掉。 select id from 表名 where HEX(字段) REGEXP '^(..)*(E[4-9])' ...
hive字符串去掉,提取中文
weixin_42861725的博客
08-16 2771
数据中是否包含什么特殊字符/中文场景;提取出字段中的中文/特殊字符等问题.
hive查询过滤汉字数字开头
05-30
可以使用正则表达式来实现这个需求。可以使用Hive中的RLIKE函数，该函数可以接收正则表达式作为参数，返回一个布尔值表示输入字符串是否与正则表达式匹配。具体实现可以使用如下正则表达式： ``` ^[^\u4e00-\u9fa5\uFF10-\uFF19]+.* ``` 该正则表达式表示匹配以非汉字和非数字开头的字符串。在Hive中可以使用如下语句进行查询： ``` SELECT * FROM table_name WHERE column_name RLIKE '^[^\\u4e00-\\u9fa5\\uFF10-\\uFF19]+.*'; ``` 其中table_name和column_name需要替换为实际的表名和列名。需要注意的是，在Hive中需要将反斜杠转义，因此需要将正则表达式中的反斜杠写成两个反斜杠。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值