将 Oracle 正则表达式转换为 HIVE

Question

我需要将下面在 Oracle 中运行良好的正则表达式转换为 HIVE。正则表达式模式删除所有标点符号，除了（'-' 和 '&' 撇号和空格）。

    select
       REGEXP_REPLACE (          
        TRANSLATE(
                    REGEXP_REPLACE( 'UNI''C...ER - BÉBI,,, DAS DE PORTUGAL, SGPS, S.A.', '[^[:alnum:] &-]', '' ),
                    'ÁÇÉÍÓÚÀÈÌÒÙÂÊÎÔÛÃÕËÜáçéíóúàèìòùâêîôûãõëü', 'ACEIOUAEIOUAEIOUAOEUaceiouaeiouaeiouaoeu'
                 ),
                    ' {2,}', ' ') SSS

from dual;

问题在于输出：

1. Oracle 输出：“UNICER - BEBIDAS DE PORTUGAL SGPS SA”
2. HIVE 输出：“UNIC...ER - BEBI,,, DAS DE PORTUGAL, SGPS, S.A.” （保留 '.' 和 ','）

我认为问题在于 [[:alnum:]] POSIX 字符类解释。

非常感谢。

Answer 1

你可以使用

'[^\\p{L}\\p{N} &-]'

这个正则表达式匹配任何不是的单个字符（[^...] 是一个否定字符类）

• \p{L} - 任何 Unicode 字母
• \p{N} - 任何 Unicode 数字
• - 一个空格
• & - 一个 & 字符
• - - - 字符。