我有一张放Parquet文件的Hive桌。这些行要么保存一个html页面，要么保存一个简单的字符串。当我尝试一个简单的选择
select text from table我把整个html作为一行。
1 <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/
但当我使用任何过滤器时
select text from table where text rlike 'xml';html中的每个标记都显示为一个单独的行。这样地
1 <?xml version="1.0" encoding="UTF-8"?>
2 <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
3 "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
4 <html xmlns="http://www.w3.org/1999/xhtml">为什么会这样？
编辑
我认为这与换行符有关，但在本例中，第一个select应该返回与第二个select相同的结果，而第二个select没有返回。
也。这篇文章说，这应该不是一个问题的Parquet地板无论如何。
2条答案
按热度按时间hpcdzsge1#
好像是新台词。更换后
我可以将html作为一个字符串来处理。
vaj7vani2#
rlike是基于正则表达式的。
reference：如果a或b为null，则为rlike b null；如果a的任何子字符串（可能为空）与java正则表达式b匹配，则为true；否则为false。例如，“foobar”rlike“foo”的计算结果为true，“foobar”rlike“^f.*r$”的计算结果也是true。
所以声明
select text from table where text rlike 'xml';将很可能检索包含字符“x”、“m”、“l”的文本的所有子字符串，同时将标记之间的空格视为分隔符。