Örnek: Düzenli ifade kullanarak bir dizeyi değiştirme - MaxCompute

Yerleşik REGEXP_REPLACE işlevine kıyasla kullanıcı tanımlı bir işlev (UDF), düzenli ifadelerde değişkenler kullanmanıza olanak tanır. Bu konu, regex desenini bağımsız değişken olarak kabul eden bir UDF_REPLACE_BY_REGEXP UDF'sinin Java veya Python'da nasıl uygulanacağını gösterir.

UDF imzası

Sözdizimi:

string UDF_REPLACE_BY_REGEXP(string <s>, string <regex>, string <replacement>)

Parametreler:

Üç parametrenin tümü zorunludur ve STRING değerleri kabul eder.

Parametre	Açıklama
`s`	Kaynak dize
`regex`	`s` ile eşleştirilecek düzenli ifade
`replacement`	Her eşleşmeyi değiştiren dize

Dönüş değeri: STRING

Önkoşullar

Başlamadan önce şunlara sahip olduğunuzdan emin olun:

UDF geliştirme izinlerine sahip bir MaxCompute projesi
Bir Java veya Python geliştirme ortamı

1. Adım: UDF'yi yazma

Geliştirme ortamınıza bağlı olarak Java veya Python'u seçin.

Java UDF

package com.aliyun.rewrite; // Specify a package name.
import com.aliyun.odps.udf.UDF;
import com.aliyun.odps.udf.annotation.UdfProperty;

import java.util.Objects;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

@UdfProperty(isDeterministic=true)
public class ReplaceByRegExp extends UDF {
    /**
     * The regular expression in the most recent query, which is cached to avoid multiple compilations.
     */
    private String lastRegex = "";
    private Pattern pattern = null;

    /**
     * @param s The source string.
     * @param regex The regular expression.
     * @param replacement The string that replaces the source string.
     */
    public String evaluate(String s, String regex, String replacement) {
        Objects.requireNonNull(s, "The source string cannot be null");
        Objects.requireNonNull(regex, "The regular expression cannot be null");
        Objects.requireNonNull(replacement, "The string that replaces the source string cannot be null");

        // If the regular expression is changed, recompile the regular expression.
        if (!regex.equals(lastRegex)) {
            lastRegex = regex;
            pattern = Pattern.compile(regex);
        }
        Matcher m = pattern.matcher(s);
        StringBuffer sb = new StringBuffer();

        // Perform text replacement.
        while (m.find()) {
            m.appendReplacement(sb, replacement);
        }
        m.appendTail(sb);
        return sb.toString();
    }
}

Bir Java UDF'si, UDF sınıfından türemelidir. evaluate yöntemi imzası — üç STRING giriş parametresi ve bir STRING dönüş değeri — SQL deyimlerinde UDF'nin imzasını tanımlar. Tam Java UDF teknik özellikleri için bkz. Java UDFs.

Python 3 UDF

from odps.udf import annotate
import re

@annotate("string,string,string->string")
class ReplaceByRegExp(object):
    def __init__(self):
        self.lastRegex = ""
        self.pattern = None

    def evaluate(self, s, regex, replacement):
        if not s or not regex or not replacement:
            raise ValueError("Arguments with None")
        # If the regular expression is changed, recompile the regular expression.
        if regex != self.lastRegex:
            self.lastRegex = regex
            self.pattern = re.compile(regex)
        result = self.pattern.sub(replacement, s)
        return result

MaxCompute projeleri varsayılan olarak UDF'leri Python 2 ile çalıştırır. Python 3'ü kullanmak için UDF'yi çağırmadan önce oturum düzeyinde set odps.sql.python.version=cp37 komutunu çalıştırın. Tam Python 3 UDF teknik özellikleri için bkz. Python 3 UDFs.

Python 2 UDF

#coding:utf-8
from odps.udf import annotate
import re

@annotate("string,string,string->string")
class ReplaceByRegExp(object):
    def __init__(self):
        self.lastRegex = ""
        self.pattern = None

    def evaluate(self, s, regex, replacement):
        if not s or not regex or not replacement:
            raise ValueError("Arguments with None")
        # If the regular expression is changed, recompile the regular expression.
        if regex != self.lastRegex:
            self.lastRegex = regex
            self.pattern = re.compile(regex)
        result = self.pattern.sub(replacement, s)
        return result

Python 2 UDF kodunuz Çince karakterler içeriyorsa dosyanın en üstüne bir kodlama bildirimi ekleyin. Hem #coding:utf-8 hem de # -*- coding: utf-8 -*- geçerlidir. Tam Python 2 UDF teknik özellikleri için bkz. Python 2 UDFs.

2. Adım: Kaynakları yükleme ve UDF'yi kaydetme

UDF kodunuzu yazıp test ettikten sonra MaxCompute'e yükleyin ve UDF_REPLACE_BY_REGEXP olarak kaydedin.

Java: Bkz. Package a Java program, upload the package, and create a MaxCompute UDF.
Python: Bkz. Upload a Python program and create a MaxCompute UDF.

3. Adım: UDF'yi kullanma

Bir dizedeki tüm rakam dizilerini # ile değiştirmek için aşağıdaki SQL'i çalıştırın:

set odps.sql.python.version=cp37; -- To use a UDF in Python 3, run this command.
SELECT UDF_REPLACE_BY_REGEXP('abc 123 def 456', '\\d+', '#');

Beklenen çıktı:

+--------------+
| _c0          |
+--------------+
| abc # def #  |
+--------------+

Sonraki adımlar

Java UDFs — Java UDF teknik özellikleri ve gereksinimleri
Python 3 UDFs — Python 3 UDF teknik özellikleri
Python 2 UDFs — Python 2 UDF teknik özellikleri