Hive正则匹配异常求助：LIKE/Rlike语法失效排查

这个问题我之前也碰到过，核心是没搞清楚Hive里like和rlike的语法差异，咱们一步步说清楚：

1. like不支持正则方括号语法 #

Hive的like是简单通配符匹配，只认两个特殊符号：

• %：匹配任意长度的任意字符（包括空字符串）
• _：匹配单个任意字符

你写的like '[A-Z]%'，Hive会把[A-Z]当成普通的字面量字符串去匹配——也就是找主键以[A-Z]这5个字符开头的行，而不是以A到Z大写字母开头的行，自然查不到结果。同理，like '[F]%'是找以[F]开头的主键，当然也匹配不到你的数据。

2. rlike的正则语法用错了 #

rlike是支持正则表达式的，但你写的rlike 'F%'犯了个正则基础错误：正则里的%不是通配符，而是量词（表示前面的字符重复0次或多次）。所以这个正则的意思是匹配"F"后面跟着0个或多个"F"的字符串（比如"F"、"FF"、"FFF"），而你的数据是F开头后面有其他字符，自然匹配不到。

根据你的需求，给你几个可行的方案：

方案1：用rlike写正确的正则表达式 #

要匹配以A-Z大写字母开头的行，正确的正则应该是^[A-Z].*，其中：

• ^：锚定字符串的开头
• [A-Z]：匹配任意一个大写字母
• .*：匹配任意长度的任意字符（对应like里的%）

执行语句：

SELECT * FROM my_table WHERE pk RLIKE '^[A-Z].*' LIMIT 5;

如果只是要匹配以F开头的行，用RLIKE '^F.*'也可以，但这种场景下like 'F%'性能更好，因为like能利用前缀匹配的优化。

方案2：用regexp_extract函数辅助判断 #

也可以通过提取主键的第一个字符来筛选，比如：

SELECT * FROM my_table WHERE regexp_extract(pk, '^([A-Z])', 1) != '' LIMIT 5;

这个函数会提取主键开头符合[A-Z]的字符，如果提取结果非空，就说明符合条件。

方案3：Hive 3.0+ 可用like regexp语法 #

如果你用的是Hive 3.0及以上版本，可以开启hive.support.quoted.identifiers=none配置后，使用like regexp语法：

SELECT * FROM my_table WHERE pk LIKE REGEXP '^[A-Z].*' LIMIT 5;

不过这个语法不如直接用rlike直观，个人更推荐方案1。

内容的提问来源于stack exchange，提问作者alexvas