regex - 在 Hive 中使用 regexp_extract

Question

我正在尝试从配置单元表中查找行，其中特定列不包含空值或\N 值或 STX 字符“\002”。目标是找到哪些行包含这三个以外的一些字符。

我尝试了这个配置单元查询:

    select column1,length(regexp_replace(column1,'\N|\002|NULL','')) as value         
    FROM table1 LIMIT 10;

我原以为在以下情况下为零，但我得到了以下信息:

    column1 value
    NULL    NULL
            0
    NULL    NULL
            0
    \N\N\N\N\N\N\N\N        8
    NULL    NULL
    \N\N\N\N\N\N\N\N        8
    NULL    NULL
    NULL    NULL
    \N\N\N  3

有人可以帮我解决上述情况的正确正则表达式吗？

谢谢。

拉维

Answer 1

看起来 Hive 使用的是 Java 的正则表达式引擎，所以问题似乎出在正则表达式本身，更具体地说是在转义序列中。

尝试以下方法，如果不起作用，请告诉我:

(?:(?:\\\\N)+|\002|NULL)