regexp_replace

pandas和SQL数据分析实战

https://study.163.com/course/courseMain.htm?courseId=1006383008&share=2&shareId=400000000398149

举例

hive中 regexp_replace的用法，替换特殊字符问题

数据仓库中有的字段不合格，有特殊字符，比如换行符。

poi_name
\n19013
\n12013

怎么把换行符替换掉呢？

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-StringOperators

regexp_replace(string INITIAL_STRING, string PATTERN, string REPLACEMENT)

Returns the string resulting from replacing all substrings in INITIAL_STRING that match the java regular expression syntax defined in PATTERN with instances of REPLACEMENT. For example, regexp_replace("foobar", "oo|ar", "") returns 'fb.' Note that some care is necessary in using predefined character classes: using '\s' as the second argument will match the letter s; '\s' is necessary to match whitespace, etc.

官网说用两个反斜杠代替一个，即一个反斜杠用来转义。

实践了一下，不行，得4个

select regexp_replace(poi_name,'\\\\n','') 

poi_name
19013
12013

　　

转自

https://blog.csdn.net/weixin_43767002/article/details/85605220

https://docs.oracle.com/cd/B19306_01/server.102/b14200/functions130.htm

regexp_replace函数是replace函数的扩展函数，用于通过正则表达式来进行匹配替换，默认情况下，每次匹配到的正则，都替换为replace_string，返回的字符串与source_char字符集相同。如果source_char为非LOB类型，则返回varchar2数据类型，如果为LOB类型，则返回CLOB类型，该函数符合POSIX正则和Unicode正则。

source_char是一个用作搜索的值，它通常是一种字符列，可以以下是任何数据类型CHAR、VARCHAR2、NCHAR、NVARCHAR2、CLOB、NCLOB

pattern是正则表达式，可以是以下任意数据类型CHAR、VARCHAR2、NCHAR、NVARCHAR2。最多可包含512个字节。如果pattern数据类型与source_char异同，则Oracle将转换pattern的数据类型与source_char的一致。

replace_string可以是以下任意数据类型CHAR、VARCHAR2、NCHAR、NVARCHAR2、CLOB、NCLOB。如果replace_string是CLOB或NCLOB，则Oracle截断replace_string为32K。replace_string可含有多达500个反向引用作为子表达式，其形式为\n，n为数字1~9。如果n在replace_string中为反斜线字符，则需使用转移字符在其前面（\）

position是一个正整数，表示在source_char中Oracle应该开始搜索的字符。默认值为1，表示Oracle以第一个字符开始搜索。

occurrence是一个非负整数，表示替换动作的发生，如果为0，则Oracle将替换所有匹配项，如果为正整数n，则Oracle将替换第n个匹配项。

match_parameter是一个文本文件，用于更改匹配行为，仅影响匹配过程，并不影响replace_string。可以指定以下一个或多个值：
‘i’指定不区分大小写的匹配
‘c’区分大小写的匹配
‘n’允许‘.’（句点，配置任意字符）匹配换行符，如果省略此此参数，则句点与换行符不匹配
‘m’将源字符串视为多行。Oracle将源字符串中的^或$视为行首或行尾，如果省略此参数，Oracle将源字符串视为单行
‘x’忽略空格字符。默认情况下，空白字符与自身匹配。
如果指定多个矛盾值，Oracle将使用最后一个值，例如指定’ic’，则Oracle使用区分大小写匹配，如果指定的不是上述字符，则返回错误
如果省略match_parameter，则：
1.默认的区分大小写由NLS_SORT参数的值决定
2.句点‘.’与换行符不匹配
3.源字符串视为单行

以上中文内容为本人自行翻译，仅供参考

实验：
以下开始通过实验验证各参数功能的使用
简单使用：
实验 1：

SQL> select regexp_replace('0123456789','01234','0abc') from dual;

实验 4：

SQL> select regexp_replace('+86 13811112222','(\+[0-9]{2})( )([0-9]{3})([0-9]{4})([0-9]{4})','(\1)\3-\4-\5') as new_str from dual;

　　

附：正则表达式（POSIX标准扩展正则ERE）

符号 释义
\ 代表它自己、引用下一个字符、引入一个操作符、什么也不做
* 匹配零或多个
+ 匹配一个或多个
? 匹配零个或一个
| 或运算，其左右操作数均可以为一个子表达式
^ 默认情况下匹配字符串的结尾。在多行模式下，它匹配源字符串中任意位置的行尾
$ 默认情况下匹配字符串的开头。在多行模式下，它匹配源字符串中任意位置的行头
. 匹配字符集中支持的任意字符，NULL除外
[ ] 用于指定匹配列表的括号表达式
( ) 对表达式进行分组，将其视为单个子表达式
{m} 恰好匹配m次
{m,} 匹配至少m次
{m,n} 匹配至少m次，但不超过n次
\n 反向引用表达式（n为1~9）匹配在\n之前的圆括号内包含的第n个子表达式
[. .] 指定排序规则，可以是多字符元素（例如，西班牙语中的[.ch.]）
[: :] 指定字符类（例如，[:alpha:]），它匹配字符类中的任何字符
[= =] 指定等价类。（例如，[=a=]匹配索引具有基本字母a的字符）
https://docs.oracle.com/cd/B19306_01/server.102/b14200/ap_posix001.htm#BABJDBHB
以上资料来源于Oracle官网，由本人自行理解翻译，如若有误请指正

[: :]字符类：

[:xxxx:] 含义 范围
[:space:] 包括换行符、空格、tab在内的空白字符 tab、空格
[:blank:] 空格和tab tab、空格
[:alpha:] 字母 a-z、A-Z
[:alnum:] 字母和数字 a-z、A-Z、0-9
[:digit:] 十进制数 0-9
[:xdigit:] 十六进制数 0-9、a-f、A-F
[:lower:] 小写字母 a-z
[:upper:] 大写字母 A-Z
[:cntrl:] 控制字符 ctrl、backspace等
[:punct:] 标点符号 ,.?’

python机器学习-sklearn挖掘乳腺癌细胞( 博主亲自录制)

网易云观看地址

https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share

扫二维码，关注博主主页，学习更多Python知识