Impala Regex 前瞻和后视的解决方法

Question

如果我使用 Hive，则以下工作正常。但是如果我使用 Impala，它会抛出错误：

select regexp_replace("foobarbarfoo","bar(?=bar)","<NA>");

WARNINGS: Could not compile regexp pattern: bar(?=bar)
Error: invalid perl operator: (?=

基本上，Impala 不支持前瞻和后瞻

https://www.cloudera.com/documentation/enterprise/release-notes/topics/impala_incompatible_changes.html#incompatible_changes_200

今天有解决方法吗？也许使用UDF？

谢谢。

Answer 1

由于您使用的是regexp_replace，因此匹配并捕获您想要保留的字符串部分（但想要用作必须具有的上下文）并替换为反向引用。见regexp_replace Impala reference：

这些示例展示了如何使用替换文本替换与模式匹配的部分字符串，其中可以包括对模式字符串中任何() 组的反向引用。反向引用编号从 1 开始，任何 \characters 都必须转义为 \\。

所以，在这里，你可以使用

select regexp_replace("foobarbarfoo","bar(bar)","<NA>\\1");
                                         ^   ^       ^^^   

请注意，它不能替换连续匹配，但是，它可以在当前场景和foobarbarfoo will turn into foo<NA>barfoo 中工作（请注意，Go 正则表达式引擎也是 RE2，因此在 regex101.com 上选择了此选项）。