正则表达式-hive sql中的$1和$2

原创于 2023-11-10 16:37:06 发布 · 526 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#正则表达式 #hive #sql

文章详细解释了如何在HSQL的SQL查询中使用正则表达式处理带单位的带宽数据，涉及匹配、替换和单位转换的操作，如G、K、M等。

#下面sql中的正则理解（HSQL）#
with tt AS (
select '100000M(Committed Mainland China:0M Burst to 0M, Committed Others:40000M Burst to 100000M)' as BANDWIDTH union all
select '10000M(Committed Mainland China:0M Burst to 0M, Committed Others:0M Burst to 10000M)' as BANDWIDTH union all
select '10000M(Committed Mainland China:0M Burst to 0M, Committed Others:3500M Burst to 10000M)' as BANDWIDTH union all
select '10000M(Committed Mainland China:0M Burst to 0M, Committed Others:5000M Burst to 10000M)' as BANDWIDTH union all
select '10000M(Committed Mainland China:0M Burst to 0M, Committed Others:50M Burst to 10000M)' as BANDWIDTH union all
select '10000M(Committed Mainland China:0M, Committed Others:10000M)' as BANDWIDTH union all
select '10000M(Committed Mainland China:100M Burst to 1000M, Committed Others:900M Burst to 9000M)' as BANDWIDTH union all
select '10000M(Committed Mainland China:100M Burst to 100M, Committed Others:4900M Burst to 9900M)' as BANDWIDTH union all
select '10000M(Committed Mainland China:0M Burst to 0M, Committed Others:3000M Burst to 10000M)' as BANDWIDTH union all
select '10000M(Committed Mainland China:0M Burst to 0M, Committed Others:4500M Burst to 10000M)' as BANDWIDTH
)
select tt.BANDWIDTH,
regexp_replace(TT.BANDWIDTH,"(Share Bandwidth |\\.)?([\\d\\.]+[GMKgmk]).*",'$2'),
CASE WHEN regexp_replace(UPPER(regexp_replace(TT.BANDWIDTH,"(Share Bandwidth |\\.)?([\\d\\.]+[GMKgmk]).*",'$2')),"[\\d\\.]+([GMKgmk])",'$1') ='G' THEN regexp_replace(TT.BANDWIDTH,"(Share Bandwidth |\\.)?([\\d\\.]+)[GMKgmk].*",'$2')*1024.0
WHEN regexp_replace(UPPER(regexp_replace(TT.BANDWIDTH,"(Share Bandwidth |\\.)?([\\d\\.]+[GMKgmk]).*",'$2')),"[\\d\\.]+([GMKgmk])",'$1') ='K' THEN regexp_replace(TT.BANDWIDTH,"(Share Bandwidth |\\.)?([\\d\\.]+)[GMKgmk].*",'$2')/1024.0
WHEN regexp_replace(UPPER(regexp_replace(TT.BANDWIDTH,"(Share Bandwidth |\\.)?([\\d\\.]+[GMKgmk]).*",'$2')),"[\\d\\.]+([GMKgmk])",'$1') ='M' THEN regexp_replace(TT.BANDWIDTH,"(Share Bandwidth |\\.)?([\\d\\.]+)[GMKgmk].*",'$2')+0.0
ELSE 0.0
END,
regexp_replace(TT.BANDWIDTH,"([\\d]+[GMKgmk]).*",'$1')
from tt;

# 相关知识及其扩展 #
一、$1、$2的含义
(pattern)
匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“”。

二、正则的几个比较难理解的元字符
语法与释义：

基础语法 "^([]{})([]{})([]{})$"

　　正则字符串 = "开始（[包含内容]{长度}）（[包含内容]{长度}）（[包含内容]{长度}）结束"

　　?,*,+,\d,\w 这些都是简写的,完全可以用[]和{}代替，在(?:)(?=)(?!)(?

　　初学者可以忽略?,*,+,\d,\w一些简写标示符，学会了基础使用再按表自己去等价替换

实例：

　　字符串；tel:086-0666-88810009999

　　原始正则："^tel:[0-9]{1,3}-[0][0-9]{2,3}-[0-9]{8,11}$"

　　速记理解：开始 "tel:普通文本"[0-9数字]{1至3位}"-普通文本"[0数字][0-9数字]{2至3位}"-普通文本"[0-9数字]{8至11位} 结束"

　　等价简写后正则写法："^tel:\d{1,3}-[0]\d{2,3}-\d{8,11}$" ，简写语法不是所有语言都支持。

比较难理解：
(?:pattern)
非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。

(?=pattern)
非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。

(?!pattern)
非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。