如何替换蜂巢中的字符？答案

【问题标题】：how to replace characters in hive?如何替换蜂巢中的字符？
【发布时间】：2013-08-08 01:37:41
【问题描述】：

我在 hive 表中有一个字符串列 description，其中可能包含制表符 '\t'，但是当将 hive 连接到外部应用程序时，这些字符会弄乱一些视图。有没有一种简单的方法来摆脱该列中的所有制表符？我可以运行一个简单的 python 程序来做到这一点，但我想为此找到一个更好的解决方案。

【问题讨论】：

标签： hadoop hive

【解决方案1】：

regexp_replace UDF 执行我的任务。以下是 apache Wiki 的定义和用法。

regexp_replace(string INITIAL_STRING, string PATTERN, string REPLACEMENT):

这将返回替换INITIAL_STRING中的所有子字符串所产生的字符串将PATTERN 中定义的java 正则表达式语法与REPLACEMENT 的实例相匹配，

例如：regexp_replace("foobar", "oo|ar", "") 返回fb

【讨论】：

【解决方案2】：

自定义 SerDe 可能是一种方法。或者您可以使用某种带有 regex_replace 的中介过程：

create table tableB as 
select 
    columnA
    regexp_replace(description, '\\t', '') as description
from tableA
;

【讨论】：

这应该是 regexp_replace 而不是 regex_replace，到目前为止它似乎正在工作

【解决方案3】：

select translate(description,'\\t','') from myTable;

通过将 from 字符串中的字符替换为 to 字符串中的相应字符来翻译输入字符串。这类似于 PostgreSQL 中的翻译功能。如果此 UDF 的任何参数为 NULL，则结果也为 NULL。（从 Hive 0.10.0 开始可用，适用于字符串类型）

从 Hive 0.14.0 开始添加对 Char/varchar 的支持

【讨论】：

欢迎来到 Stack Overflow！虽然这段代码 sn-p 可以解决问题，但including an explanation 确实有助于提高帖子的质量。请记住，您正在为将来的读者回答问题，而这些人可能不知道您的代码建议的原因。也请尽量不要用解释性的 cmets 挤满你的代码，这会降低代码和解释的可读性！

【解决方案4】：

你也可以使用 translate()。如果第三个参数太短，则从第二个参数中删除相应的字符。与 regexp_replace() 不同，您无需担心特殊字符。 Source code.

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-StringFunctions

【讨论】：

【解决方案5】：

目前没有允许这样做的 OOTB 功能。实现这一目标的一种方法可能是编写一个自定义的 InputFormat 和/或 SerDe 来为您执行此操作。您可能对这个 JIRA 有用：https://issues.apache.org/jira/browse/HIVE-3751。（虽然与您的问题没有直接关系）。

【讨论】：

我觉得这个答案已经过时了，尽管 JIRA 没有被关闭