1

如何使用多重分隔符在配置单元中插入数据，并且在未指定分隔符的列之间插入数据。

以下是我的数据：

25380 20130101  2.514 -135.69   58.43     8.3     1.1     4.7     4.9     5.6     0.01 C     1.0    -0.1     0.4    97.3    36.0    69.4 -99.000 -99.000 -99.000 -99.000 -99.000 -9999.0 -9999.0 -9999.0 -9999.0 -9999.0
25380 20130102  2.514 -135.69   58.43     3.0    -0.3     1.4     1.2     0.0     0.35 C     1.3    -1.0    -0.1   100.0    89.5    98.2 -99.000 -99.000 -99.000 -99.000 -99.000 -9999.0 -9999.0 -9999.0 -9999.0 -9999.0

我只想在我的配置单元表中插入前 7 列，并且我有一个用于上述数据的 txt 文件。

创建表脚本：

CREATE TABLE hotcold (a int,b int,c float,d float,e float,f float,g float,h string,i string,j string,k string,l string,m string,n string,o string,p string,q string,
r string,s string,t string,u string,v string,w string,x string,y string,z string,aa string,bb string,cc string,dd string,ee string
) 
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe' WITH SERDEPROPERTIES ('input.regex'='\\s+');

我的数据插入脚本如下：

LOAD DATA LOCAL INPATH '/home/cloudera/WeatherData.txt' into table hotcold;

以下是我的选择语句和错误：

select * from hotcold;

错误 ：

Failed with exception java.io.IOException:org.apache.hadoop.hive.serde2.SerDeException: Number of matching groups doesn't match the number of columns
4

1 回答 1

1

每列应该()在正则表达式中有相应的捕获组。

在下面的示例中，字符串开头的第一组 - 对应于^(\\d+)正整数，

\\s+- 一个或多个空格分隔符，

第二个捕获组对应正整数(\\d+)，

再次\\s+- 一个或多个空格分隔符，

第三个捕获组 - ([+-]?[0-9.]+)- 一个浮点数，不是很严格的格式，允许 +- 符号以及点和点的任意组合

最后.*允许字符串末尾的任何字符（未捕获）将所有其他列添加到正则表达式，我的示例包含三列（三个捕获组）的正则表达式：

WITH SERDEPROPERTIES ('input.regex'='^(\\d+)\\s+(\\d+)\\s+([+-]?[0-9.]+).*')

阅读此内容以获取更多详细信息：使用正则表达式提取 Hive 表的字段

于 2019-01-08T13:45:01.753 回答