正则表达式在蜂房特定分隔字符串SERDE

我用SERDE阅读与分隔符特定格式数据|我的数据正则表达式在蜂房特定分隔字符串SERDE

一号线可能看起来像：键1 =值2 |键2 =值| KEY3 =“VA，梅毒”，我创建蜂巢表如下：

CREATE EXTERNAL TABLE(
field1 STRING, 
field2 STRING, 
field3 STRING 
) 
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe' 
WITH SERDEPROPERTIES (
    "input.regex" = "([^\\|]*)\\|([^\\|]*)\\|([^\\|]*)", 
    "output.format.string" = "%1$s %2$s %3$s" 
) 
STORED AS TEXTFILE;

我需要提取所有值，如果它们存在则忽略所有配额。结果看起来像一个

value2 value2 va , lues

我怎样才能改变我目前的正则表达式的值extractig？

来源

2017-05-04 rmnvnv

什么是给定的输入您的电流输出结果呢？ – horcrux

键1 =值2键2 =值KEY3 = “VA，梅毒” – rmnvnv

所以才改变这个？' “input.regex”= “[^ \\ | =] * = \”（[^ \\ |] *）\ “\\？| [^ \\ | =] * = \”（[^ \\ |] *）？\ “\\？| [^ \\ | =] * = \”（[^ \\？| ] *）\“？”，' – horcrux

我目前可以提供2个选项，他们都不是完美的。
顺便说一句，"output.format.string"已过时，并没有效果。

create external table mytable 
(
    q1   string  
    ,field1  string 
    ,q2   string 
    ,field2  string 
    ,q3   string 
    ,field3  string 
) 
row format serde 'org.apache.hadoop.hive.serde2.RegexSerDe' 
with serdeproperties ('input.regex' = '.*?=(?<q1>"?)(.*?)(?:\\k<q1>)\\|.*?=(?<q2>"?)(.*?)(?:\\k<q2>)\\|.*?=(?<q3>"?)(.*?)(?:\\k<q3>)') 
stored as textfile 
;

select * from mytable 
;

+----+--------+----+--------+----+-----------+ 
| q1 | field1 | q2 | field2 | q3 | field3 | 
+----+--------+----+--------+----+-----------+ 
| | value2 | | value2 | " | va , lues | 
+----+--------+----+--------+----+-----------+

create external table mytable 
(
    field1 string 
    ,field2 string 
    ,field3 string 
) 
row format serde 'org.apache.hadoop.hive.serde2.RegexSerDe' 
with serdeproperties ('input.regex' = '.*?=(".*?"|.*?)\\|.*?=(".*?"|.*?)\\|.*?=(".*?"|.*?)') 
stored as textfile 
;

select * from mytable 
;

+--------+--------+-------------+ 
| field1 | field2 | field3 | 
+--------+--------+-------------+ 
| value2 | value2 | "va , lues" | 
+--------+--------+-------------+

来源

2017-05-04 18:28:06

正则表达式在蜂房特定分隔字符串SERDE

回答

相关问题