如何在Hive中使用regexp_replace批量替换列中的多个子串？

问题原因 #

你之前的正则表达式" DE | SA | CV "依赖目标子串前后的单个空格作为匹配条件，当多个目标连续出现时（比如SA DE），中间的空格会被前一个替换操作占用，导致下一个目标失去匹配所需的前置空格，最终只能替换部分子串。

解决方案 #

使用**单词边界\b**匹配完整的目标单词，结合\s*匹配前后任意数量的空白字符（包括零个），替换后再清理多余空格，确保所有目标子串都被替换：

写法一：分步清理空格

select 
  trim(regexp_replace(regexp_replace(company_name, '\\b(DE|SA|CV|MI)\\b', ''), '\\s+', ' ')) as cleaned_name,
  company_name 
from table 
limit 20;

• 内层regexp_replace：匹配所有独立的目标单词（DE/SA/CV/MI），替换为空
• 中层regexp_replace：将替换后产生的多个连续空格合并为单个空格
• trim：去除首尾的多余空格

写法二：单次替换+收尾清理

select 
  trim(regexp_replace(company_name, '\\s*\\b(DE|SA|CV|MI)\\b\\s*', ' ')) as cleaned_name,
  company_name 
from table 
limit 20;

• \\s*\\b(...)\\b\\s*：匹配目标单词前后任意数量的空白（包括开头/结尾的目标），替换为单个空格
• trim：去除替换后可能残留的首尾空格

测试验证 #

针对你的示例：

• ALCA SA DE CV → 处理后得到 ALCA
• MEXICANA DE LAMINACION SA CV → 处理后得到 MEXICANA LAMINACION

内容的提问来源于stack exchange，提问作者DonutPancakes