Hive regexp_replace 替换 RESTful URL 中的 id

最新推荐文章于 2025-09-28 17:31:16 发布

原创最新推荐文章于 2025-09-28 17:31:16 发布 · 525 阅读

CC 4.0 BY-SA版权

2 篇文章

订阅专栏

本文介绍如何在HiveSQL中使用正则表达式处理RESTful URL，实现特定ID部分的替换，同时避免误替换数字字符，提供详细的正则表达式构造方法及示例。

原始数据 url 字段保存 RESTful URL 的数据，有下面这几种形式

http://host.name/v2/type/44/things
http://host.name/v2/type/44
http://host.name/v2/type/30d-hot

需要将其中的 44 这种 id 用正则表达式替换掉，同时不能替换掉 v2、30d 中的数字，最终的 Hive SQL：

SELECT regexp_replace(regexp_replace(url, '\/\\d+\/', '/{id}/'), '\/\\d+$', '/{id}')
FROM db.table;

说明：

无法通过 \/\\d+[\/|$] 一次匹配出来，因为正则的 [] 中不能写 $，可参考：https://stackoverflow.com/a/32316371/11235455
关于转义：
a. 原始正则是：\/\d+，可参考：https://regex101.com/r/wqqKyA/1
b. Java 转义： \\/\\d+（正则中的每一个 \ 都需要用 \\ 替换），可参考：https://regex101.com/r/wqqKyA/1/codegen?language=java
c. Hive 转义：\/\\d+ 😵😵😵