理解`(ds|hr)?+.+`

最新推荐文章于 2026-07-05 13:06:01 发布

原创最新推荐文章于 2026-07-05 13:06:01 发布 · 2.7k 阅读

22 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

基础

当前文章被收录于：

基础

8 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文探讨了Hive和SparkSQL中不常见的正则表达式用法，例如 `(ds|hr)?+.+`，用于选择除ds和hr列外的所有列。这个正则表达式的难点在于其占有优先量词的运用，使得第一段可以0匹配，从而实现所需功能。解释了占有优先量词的工作原理，并指出Java等少数语言支持这种特性。通过理解这个正则，可以更深入地掌握SQL查询的灵活性。

在hive/spark sql可以支持对列名进行正则匹配，其中给出这样一个例子：

SELECT `(ds|hr)?+.+` FROM sales

这个查询会查找除了ds和hr之外的所有列。这个正则实在是太过少见，查阅了很多资料才理解了。

首先要正确拆分(ds|hr)?+.+，(ds|hr)?+是一段，后面.+是第二段。这里面难点在于(ds|hr)?+的意义，子匹配（也就是括号）后面跟了两个量词?+，这是特殊用法，按照一般的量词意义是无法理解的，这个用法就是占有优先量词。正则的量词包括忽略优先、匹配优先、占有优先，占有优先是最大匹配后不“交还”，这点和匹配优先相反。这个例子的正则表达式，第一段在匹配到ds或者hr后，第二段的.+代表任意字符必须出现一次或多次，这样ds和hr就匹配不上了，而其他列名的由于第一段(ds|hr)?+可以0匹配，第二段也满足，所以却能够匹配上。这样就巧妙的实现了——匹配ds和hr之外的所有列名了。

支持占有优先的正则表达式的语言并不多，java算一个。你Get到了吗？

标签

#hive #sql