hive：函数：正则：regexp_extract匹配正则取字段中的中⽂
或英⽂+其他替换⽤。。。
========英⽂=======
regex匹配
select regexp_extract("Aptamil 爱他美(德国)",'([A-Z][a-z]*(\\s|$))+', 1) filed;
返回：
Aptamil
--匹配全英⽂
select * from tmp_t_cal_tmp1 where company rlike '([A-Z][a-z]*(\\s|$))+'  --\S 匹配任何⾮空⽩字符 .* 就是单个字符匹配任意次，即贪婪匹配  | 代表或select * from tmp_t_cal_tmp1 where company rlike '[A-Z][a-z]+'
--匹配任意开头字符，且⾮全中⽂汉字含中英括号也查出.但是除开头外后⾯字符含有英⽂的查不出
select * from tmp_t_cal_tmp1 where company rlike '[\\u4e00-\\u9fa5]+$' --and operation is null
========中⽂=======
--”[]”代表的是⼀个字符集，”^”只有在字符集中才是反向字符集的意思
--\\w等于[a-zA-Z0-9] 第⼀个斜杠为转义
--匹配中⽂开头且全中⽂汉字过滤含有英⽂、中英括号以及特殊字符的记录
select * from tmp_t_cal_tmp1 where company rlike '^[\\u4e00-\\u9fa5]+$'
select * from tmp_t_cal_tmp1 where company regexp '^[\\u4e00-\\u9fa5]+$'
--反
select * from tmp_t_cal_tmp1 where company not rlike '^[\\u4e00-\\u9fa5]+$'
========中⽂和英⽂=======
--汉字中间含英⽂的
select * from tmp_t_cal_tmp1 where company rlike '^[\\u4e00-\\u9fa5]+\\w+[\\u4e00-\\u9fa5]+'
select * from tmp_t_cal_tmp1 where company rlike '^[\\u4e00-\\u9fa5]+\\w+|[\\u4e00-\\u9fa5]+'
--任意开头接中⽂中⽂或英⽂结尾
select * from tmp_t_cal_tmp1 where company rlike '^[\\u4e00-\\u9fa5]+\\w+|[\\u4e00-\\u9fa5]+$'
--任意开头接中⽂或英⽂中⽂或英⽂结尾
select * from tmp_t_cal_tmp1 where company rlike '^[\\u4e00-\\u9fa5]|\\w+\\w+|[\\u4e00-\\u9fa5]+$'
--匹配中⽂和英⽂但是⾸字符为空格会过滤掉
select * from tmp_t_cal_tmp1 where company rlike '^[\\u4e00-\\u9fa5]|\\w+'
select tmp_t_cal_tmp1  from *** where company not rlike '[\\u4e00-\\u9fa5]|\\w+'
可以看到匹配出⼀堆特殊字符的数据：
*
。
true
…………………………
………………………………
………………………………
………………………………
………………………………
………………………………
其他替换⽤法（清洗数据）：
select regexp_replace('你好001，中国','1|2|3|4|5|6|7|8|9|0','')
返回：
你好，中国
select regexp_replace('你?好"0。0;0 001 ，中国','"|\\?|。| |　|\\ \\;','==')返回：
你==好==0==0;0 001==，中====国

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。