HBase 扫描过滤器的 Java 正则表达式不起作用

Question

问题:正则表达式无法按 HBase 扫描过滤器的预期工作。尽管此正则表达式没有任何错误地通过，但它不只返回过滤后的行。

背景:我们将数据作为字符串存储在 HBase 中(我知道它应该存储在 Avro 中，但现在需要使用它。)

我们的 HBase 列 DataRows 如下所示，管道用作分隔符。

姓名|10000081|10000102|13513|10102026|性别|ID姓名|10000081|10000101|13513|10102026|性别|ID姓名|10000081|10000103|13513|10102026|性别|ID姓名|10000082|10000104|13515|10102026|性别|ID姓名|10000082|10000104|13516|10102026|性别|ID

我正在为 HBase 扫描器编写一个 RegEx 过滤器，它将扫描这些行。

我的正则表达式字符串如下所示:

^NAME\\|.*\\|.*\\|.*\\|.*\\|.*\\|.*$

这是 HBase QualifierFilter 的输入，例如

Filter qfilter = new QualifierFilter(CompareFilter.CompareOp.EQUAL,new RegexStringComparator(regexString.toString()));

在上面的正则表达式字符串示例中(我只想过滤 Name=RECKO 和第 3 列 = 10000101)。它返回所有行。

正则表达式字符串 = ^NAME\\|.*\\|10000101\\|.*\\|.*\\|.*\\|.*$

我的正则表达式有什么问题？非常感谢任何指示/建议。

测试程序:

 public class RegEx1 {
      public static void main(String[] args) {
        String Str[] = {
        "PC|10000081|10000102|13513|10102026|LOC|ic",
        "PC|10000081|10000101|13512|10102025|LOC|zc",
    "NAME|10000042|10000084|13576|10101626|GENDER|cc",
    "NAME|10000042|10000084|13576|10101626|GENDER|za",
    "NAME|10000042|10000084|13576|10101626|GENDER|zc",
    "NAME|10000061|10000086|13581|10101630|GENDER|ic",
    "NAME|10000061|10000086|13581|10101630|GENDER|za",
    "NAME|10000061|10000086|13581|10101630|GENDER|zc",
    "NAME|10001076|10001744|15106|10123669|GENDER|cc",
    "NAME|10001076|10001744|15106|10123669|GENDER|za",
    "NAME|10001076|10001744|15106|10123669|GENDER|zc",
    "NAME|10000061|10000086|13581|10101630|GENDER|ic",
    "NAME|10000061|10000086|13581|10101630|GENDER|za",
    "NAME|10000061|10000086|13581|10101630|GENDER|zc",
    "NAME|10001075|10001743|15105|10123664|GENDER|ic",
    "NAME|10001075|10001743|15105|10123664|GENDER|za",
    "NAME|10001075|10001743|15105|10123664|GENDER|zc",
    "NAME|10001077|10001745|15239|10123673|GENDER|cc",
    "NAME|10001077|10001745|15239|10123673|GENDER|za",
    "NAME|10001077|10001745|15239|10123673|GENDER|zc",
    "NAME|10002165|10000102|10151364|10151363|GENDER|ic",
    "NAME|10002165|10003668|10151364|10151363|GENDER|za",
    "NAME|10002165|10003668|10151364|10151363|GENDER|zc",
    "NAME|10002167|10003670|10151368|10151367|GENDER|cc",
"NAME|10002167|10003670|10151368|10151367|GENDER|zb"    };

    for (String s : Str){
        System.out.println(s);
        System.out.println(s.matches("^NAME\\|10002167\\|.*\\|.*\\|.*\\|*$"));
    }



   }
 } 

对于上面的程序，我将所有输入值作为匹配项，实际上它应该只匹配第一列 =“NAME”且第二列为 10002167 的字符串。

更新:感谢@Aviram Segal。更正正则表达式后，它可以在 Java 测试程序中运行，但不能在 HBase 扫描过滤器中运行。

Answer 1

您忘记转义一个 | 字符，因此它被视为 OR，您也可以使用 [|] 代替 >\\|，我个人比较喜欢这种风格。

您的:^NAME\\|.*\\|10000101|.*\\|.*\\|.*\\|.*$

已修复:^NAME\\|.*\\|10000101\\|.*\\|.*\\|.*\\|.*$

<小时/>

你的:System.out.println(s.matches("^NAME\\|10002167|.*\\|.*\\|.*\\|*$"));

已修复: System.out.println(s.matches("^NAME\\|10002167\\|.*\\|.*\\|.*\\|*$"));