regex - Hive-多个字符串的regexp_replace函数

我正在使用 hive 0.13!我想在我的数据中找到多个标记，例如“嘻哈”和“摇滚音乐”，并用“hiphop”和“rockmusic”替换它们-基本上将它们替换成没有空格。我在 hive 中使用了regexp_replace函数。下面是我的查询，它对于上面的两个示例非常有用。

drop table vp_hiphop;
create table vp_hiphop as
select userid, ntext,
       regexp_replace(regexp_replace(ntext, 'hip hop', 'hiphop'), 'rock music', 'rockmusic') as ntext1
from  vp_nlp_protext_males
;

但是我有100个这样的双字母组/ ngram，并且希望能够在仅删除空白的地方进行有效的替换。我可以匹配短语-嘻哈和摇滚音乐，但在替换中，我想简单地修剪空白。下面是我尝试过的。我也尝试将triexp与regexp_replace一起使用，但它想要regexp_replace函数中的第三个参数。

drop table vp_hiphop;
create table vp_hiphop as
select  userid, ntext,
        regexp_replace(ntext, '(hip hop)|(rock music)') as ntext1
from  vp_nlp_protext_males
;

最佳答案

您可以使用TRANSLATE函数从字符串中删除所有出现的子字符串，以将子字符串替换为空字符串。对于您的查询，它将变为:

drop table vp_hiphop;
create table vp_hiphop as
select  userid, ntext,
        translate(ntext, ' ', '') as ntext1
from  vp_nlp_protext_males
;