1

问题：对于 HBase 扫描过滤器，正则表达式未按预期工作。尽管此 RegEx 通过且没有任何错误，但它不会仅返回过滤后的行。

背景：我们将数据作为字符串存储在 HBase 中（我知道它应该在 Avro 中，但现在需要使用它。）

我们的 HBase 列 DataRows 如下所示，管道用作分隔符。

姓名| 10000081 | 10000102 | 13513 | 10102026 |性别| ID名称| 10000081 | 1000013 | 13513 | 10102026 | 10102026 | ID名称| 10000081 | 1000013 | 13513 | 10102026 | ID名称| 10000082 | 10000104 | 13515 | 10102026 |性别|ID 名称|10000082|10000104|13516|10102026|性别|ID

我正在为 HBase 扫描器编写一个 RegEx 过滤器，它将扫描这些行。

我的 RegEx 字符串如下所示：

^NAME\\|.*\\|.*\\|.*\\|.*\\|.*\\|.*$

这是 HBase QualifierFilter 的输入，例如

Filter qfilter = new QualifierFilter(CompareFilter.CompareOp.EQUAL,new RegexStringComparator(regexString.toString()));

在上面的正则表达式字符串示例中（我只想过滤 Name=RECKO 和 3rd col = 10000101）。它返回所有行。

正则表达式字符串 = ^NAME\\|.*\\|10000101\\|.*\\|.*\\|.*\\|.*$

我的正则表达式有什么问题？非常感谢任何指针/建议。

测试程序：

 public class RegEx1 {
      public static void main(String[] args) {
        String Str[] = {
        "PC|10000081|10000102|13513|10102026|LOC|ic",
        "PC|10000081|10000101|13512|10102025|LOC|zc",
    "NAME|10000042|10000084|13576|10101626|GENDER|cc",
    "NAME|10000042|10000084|13576|10101626|GENDER|za",
    "NAME|10000042|10000084|13576|10101626|GENDER|zc",
    "NAME|10000061|10000086|13581|10101630|GENDER|ic",
    "NAME|10000061|10000086|13581|10101630|GENDER|za",
    "NAME|10000061|10000086|13581|10101630|GENDER|zc",
    "NAME|10001076|10001744|15106|10123669|GENDER|cc",
    "NAME|10001076|10001744|15106|10123669|GENDER|za",
    "NAME|10001076|10001744|15106|10123669|GENDER|zc",
    "NAME|10000061|10000086|13581|10101630|GENDER|ic",
    "NAME|10000061|10000086|13581|10101630|GENDER|za",
    "NAME|10000061|10000086|13581|10101630|GENDER|zc",
    "NAME|10001075|10001743|15105|10123664|GENDER|ic",
    "NAME|10001075|10001743|15105|10123664|GENDER|za",
    "NAME|10001075|10001743|15105|10123664|GENDER|zc",
    "NAME|10001077|10001745|15239|10123673|GENDER|cc",
    "NAME|10001077|10001745|15239|10123673|GENDER|za",
    "NAME|10001077|10001745|15239|10123673|GENDER|zc",
    "NAME|10002165|10000102|10151364|10151363|GENDER|ic",
    "NAME|10002165|10003668|10151364|10151363|GENDER|za",
    "NAME|10002165|10003668|10151364|10151363|GENDER|zc",
    "NAME|10002167|10003670|10151368|10151367|GENDER|cc",
"NAME|10002167|10003670|10151368|10151367|GENDER|zb"    };

    for (String s : Str){
        System.out.println(s);
        System.out.println(s.matches("^NAME\\|10002167\\|.*\\|.*\\|.*\\|*$"));
    }



   }
 }

对于上述程序，我将所有输入值作为匹配项，实际上它应该只匹配第一列 =“NAME”且第二列是 10002167 的字符串。

更新：感谢@Aviram Segal。更正正则表达式后，它在 Java 测试程序中有效，但在 HBase 扫描过滤器中无效。

4

2 回答 2

2

您忘记转义一个|字符，因此将其视为OR，也可以使用[|]代替\\|，我个人更喜欢这种风格。

你的：^NAME\\|.*\\|10000101|.*\\|.*\\|.*\\|.*$

固定的：^NAME\\|.*\\|10000101\\|.*\\|.*\\|.*\\|.*$

你的：System.out.println(s.matches("^NAME\\|10002167|.*\\|.*\\|.*\\|*$"));

固定的：System.out.println(s.matches("^NAME\\|10002167\\|.*\\|.*\\|.*\\|*$"));

于 2012-12-21T22:29:05.187 回答
0

.代表任何字符因此问题。尝试使用\wfor word 字符代替..

于 2012-12-21T22:19:08.733 回答