Hive QL（RLIKE）中的正则表达式？

Question

我想知道如何/如果我可以改善我在查询中使用的正则表达式。我有一组用于特定用户组的标识符。它们可以是在两个主要格式：

• X123或XY12，（1型）
• 任何两个字母的组合，不包括XY（2型）

类型1组始终是长度为4的它可以是字母X后跟一个介于100和999之间的数字或XY后跟数字0和99之间的数字（用零填充到长度2）。

类型2组是2个字母的字符串，允许任何字母，不包括XY（尽管我的查询没有指定这个字符串）。

用户可以属于多个组，在这种情况下，不同的组由磅符号分隔（#）。下面是一个例子：

groups  user  age 
X124  john  23 
XY22#AB mike  33 
AB   peter 21 
X122#XY01 francis 43 

我想，其中用户是不排他地在第一格式组的成员进行计数，其中在第二格式的至少一个基团出现的行，即。

我需要捕捉所有不属于第一类组的专用行（即用户）。在上面的示例中，我想排除用户约翰和弗朗西斯，因为它们只是类型1组的成员。 另一方面，麦克是可以的，因为他是AB组的成员（即组2类型的成员）。

目前，我正在做这样的：

select 
    count(*) 
from 
    users 
where 
    groups not rlike '^(X[Y1-9][0-9]{2,2})(#X[Y1-9][0-9]{2,2})*$' 

这是糟糕的表现明智？我应该如何解决它？

Answer 1

我想计算至少有一组出现第二种格式的行。

这似乎再简单一点，选择where groups like：

\b(?:(?!XY)[A-Z]{2})\b 

\b是一个字边界。它不消耗一个字符，而是指出那里不能有非字母数字字符。

Live demo.