Hive 搜索具有单词边界的子字符串答案

【问题标题】：Hive searching for substring with word boundariesHive 搜索具有单词边界的子字符串
【发布时间】：2013-11-18 18:52:59
【问题描述】：

我正在使用 Hive，并且有一个字符串数据库。我想要带有某些单词的行，但需要单词边界（如果我正在搜索“transport”，我不想要带有“transporter”的行）。我该怎么做？

目前，我正在执行以下操作：

hive> select * from myTable where (length(regexp_extract(column1, 'transport', 0)) > 0);

但显然这并没有包含任何单词边界。

提前致谢！

【问题讨论】：

【解决方案1】：

Hive 使用java 正则表达式语法。您可以尝试以下方法。

regexp_extract(column1, '\btransport\b')

如果失败，请尝试双重转义您的单词边界\\b

【讨论】：

【解决方案2】：

我知道在符合 POSIX 的正则表达式中，单词边界是这样的：[[:<:]] 和 [[:>:]]：

[[:<:]]transport[[:>:]]

但是不知道hiveQL是否支持。

【讨论】：

[[:<:>:]] 有效，但仅适用于其中没有其他单词的字符串（出于某种或其他原因）。我发现了一些确实有效的东西，因为每个单词要么以空格或左侧的“”为边界，因此我选择了： hive> select * from myTable where (column1 regexp ' (.*)[ |](.*)');
@user3005925：你试过select * from myTable where column1 regexp '[[:<:]]transport[[:>:]]';吗？因为奇怪的是你必须在前后加上一些(.*)来描述所有的字符串！