regex - hive SERDE 正则表达式 : Output format - want to use only few of the output Strings

Question

输入文件如下

eno::ename::dept::sal

101::emp1::comp1::2800000

201::emp2::comp2::2800000

301::emp3::comp3::3400000

401::emp4::comp4::3600000

501::emp5::comp5::400000

>create table emp(ename string,edept string)
> row format serde 'org.apache.hadoop.hive.contrib.serde2.RegexSerDe'           
> WITH SERDEPROPERTIES(                                                         
> "input.regex"="^([^\\::]+)\\::([^\\::]+)\\::([^\\::]+)\\::([^\\::]+)$",           
> "output.format.string"="%2$s%3$s")                                            
> ;
>load data local inpath '/home/cloudera/test/emp.txt' into table emp;

我只想将第二个和第三个文字拉入表中。所以使用 "output.format.string"="%2$s%3$s"- 这是正确的方法吗？

但是我的表只加载了 eno 和 ename。

Answer 1

Hive 表只有两列，但正则表达式捕获四组，因此其他组将被忽略。

您可以使用以下表达式。

"input.regex"="^[^\\::]+\\::([^\\::]+)\\::([^\\::]+)\\::[^\\::]+$"

您将获得以下输出。

emp.ename   emp.edept
emp1        comp1
emp2        comp2
emp3        comp3
emp4        comp4
emp5        comp5