在配置单元中查询时删除unicode字符

bwntbbo3  于 2021-05-29  发布在  Hadoop
关注(0)|答案(1)|浏览(364)

我想从配置单元表中清除unicode数据。以下是数据,

select ('http://10.0.0.1/���m��v������)�a�^�����kn:4�+9x�2c��m�{��')

我需要的输出是查找我的列中是否有任何unicode字符并将其删除。这里的输出应该是,

http://10.0.0.1/

或者完全为空。他们两个都很好。如果一行包含任何unicode字符,则可以将其完全设为null。
以下是我的尝试,

select REGEXP_REPLACE('http://10.0.0.1/���m��v������)�a�^�����kn:4�+9x�2c��m�{��', '\\[[:xdigit:]]{4}', '')

以及

select REGEXP_REPLACE('http://10.0.0.1/���m��v������)�a�^�����kn:4�+9x�2c��m�{��', '[||chr(128)||'-'||chr(255)||]', '')

Executed as Single statement.  Failed [40000 : 42000] Error while compiling statement: FAILED: ParseException line 1:193 mismatched input '<EOF>' expecting ) near ')' in function specification 
Elapsed time = 00:00:00.220 

STATEMENT 1: SELECT Statement failed.

有人能帮我把table上的这些擦干净吗?
谢谢
编辑:
他工作的地方,

select REGEXP_REPLACE('"http://r.rxthdr.com/w?i=s�F�""�HY|�K�>�0����D����W8뤒�O0�Q�D�1��Vc~�j[Q��f��{u�Be�S>n���Ò���&��F9���C�i��8:ڔ�_@ĪO��K?�Ēc�6��=��v[�����D�$%��:�a�40ݩ�&O��K��""�0�a<x��TcX���b��TN�}�x�o��UY$K�I�Օ""��(+�M���E�=K�A�I�A���q#l�(�yt�5��h}��~[��YOA��G�=ïˆï¿½{���. �Q���ح;x=�s�0:�', '(?s).*\\P{ASCII}.*', '')

不起作用的地方,

select REGEXP_REPLACE('c4k0j,}W""d+2|4y0hkCkRh+.{pq80{?X8O>b<:ph.3!{T', '(?s).*\\P{ASCII}.*', '')

 select REGEXP_REPLACE('z|""},}69]6N2|c_;5.su={IU+|8ubq1<r$!Xxy#?Bhkv20:jXNgRh+5fwj:ndfWBJ}e)>','(?s).*\\P{ASCII}.*', '')

图像中的第一个具有unicode字符。但在粘贴时,它会变成一个点。

你能帮我做这个吗?

k4aesqcs

k4aesqcs1#

你可以用

select REGEXP_REPLACE(YOUR_STRING_HERE, '\\P{ASCII}.*', '')

它将从第一个找到的非ascii字符中删除所有字符串,直至其结尾。
配置单元regex支持unicode属性类,并且 \p{ASCII} 匹配任何ascii字符。相反的unicode属性类是通过旋转 p 改为大写。所以, \P{ASCII} 匹配任何非ascii字符。 .* 尽可能多地匹配任何0+个字符 * 是一个贪婪的量词。
请注意 . 默认情况下不匹配换行符。如果需要删除换行符,请添加 (?s) 在模式开始时:

'(?s)\\P{ASCII}.*'

相关问题