Notepad ++替換產生多行的兩個字符串之間的文本並在其間保留字符串的某些部分

Question

我使用 show create table 命令提取了許多 hive 表。

output是這樣的：

CREATE EXTERNAL TABLE MYSCHEMA.MyTABLE(
  `col1` string, 
  `col2` string)
PARTITIONED BY ( 
  `data_as_of_date` string)
ROW FORMAT SERDE 
  'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe' 
WITH SERDEPROPERTIES ( 
  'input.regex'='^(.*?)~}\\|(.*?)~}\\|(.*?)$') 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat'
LOCATION
  '/mnt/data/schema/layer/domain/MYTABLE'
TBLPROPERTIES (
  'DO_NOT_UPDATE_STATS'='true', 
  'STATS_GENERATED_VIA_STATS_TASK'='true', 
  'last_modified_by'='user', 
  'last_modified_time'='1603077305', 
  'numRows'='23483974', 
  'parquet.compression'='SNAPPY', 
  'transient_lastDdlTime'='1608243340');

我想替換...之間的文字

ROW FORMAT SERDE 
  'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe' 
WITH SERDEPROPERTIES ( 
  'input.regex'='^(.*?)~}\\|(.*?)~}\\|(.*?)$') 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat'
LOCATION
  '/mnt/data/schema/layer/domain/MYTABLE'
TBLPROPERTIES (
  'DO_NOT_UPDATE_STATS'='true', 
  'STATS_GENERATED_VIA_STATS_TASK'='true', 
  'last_modified_by'='user', 
  'last_modified_time'='1603077305', 
  'numRows'='23483974', 
  'parquet.compression'='SNAPPY', 
  'transient_lastDdlTime'='1608243340');

...至...

STORED AS PARQUET 
LOCATION '/mnt/data/schema/layer/domain/MYTABLE'
TBLPROPERTIES('parquet.compression'='SNAPPY');

...使用記事本++。

在這里，如果您觀察到，LOCATION 參數應與原始參數保持一致，並且應如上所述更換 rest。 基本上，替換是跨多行產生的，我還保留了部分文本。 有人請指導我可以在 Notepad++ (v7.8.2) 中使用的正則表達式。

最終結果應如下所示：

CREATE EXTERNAL TABLE MYSCHEMA.MyTABLE(
      `col1` string, 
      `col2` string)
    PARTITIONED BY ( 
      `data_as_of_date` string)
STORED AS PARQUET 
LOCATION '/mnt/data/schema/layer/domain/MYTABLE'
TBLPROPERTIES('parquet.compression'='SNAPPY');

有許多表，每個表都有不同的 LOCATION 參數。 不希望如上所述更換 LOCATION。

如果我能分兩部分做到這一點也很好。 首先替換 LOCATION 上方的所有內容，然后替換 TBLPROPERTIES（如果不能在單個正則表達式中完成）。

Answer 1

• Ctrl + H
• 查找內容： ROW FORMAT SERDE[\s\S]+?(LOCATION\s+.+\R)[\s\S]*?TBLPROPERTIES[^)]+?\);
• 替換為： STORED AS PARQUET \n$1TBLPROPERTIES\('parquet.compression'='SNAPPY'\);
• 檢查火柴盒
• 檢查環繞
• CHECK正則表達式
• 取消選中. matches newline . matches newline
• 全部替換

解釋：

ROW FORMAT SERDE        # literally
[\s\S]+?                # 1 or more any character, including newline, not greedy
(                       # group 1
LOCATION                # literally
\s+                     # 1 or more spaces
.+                      # 1 or more any character but newline
\R                      # any kind of linebreak
)                       # end group
[\s\S]*?                # 1 or more any character, including newline, not greedy
TBLPROPERTIES           # literally
[^)]+?                  # 1 or more any character that is not closing parenthesis
\);                     # closing parenthesis and semicolon

替代品：

STORED AS PARQUET 
\n
$1
TBLPROPERTIES\('parquet.compression'='SNAPPY'\);

截圖（之前）：

截圖（之后）：

Answer 2

我可以使用兩個單獨的查找和替換正則表達式來做同樣的事情。 不知道它會如此簡單，只需 2 次查找和替換。

1. 將: ROW FORMAT SERDE.*?LOCATION替換為: STORED AS PARQUET\r\nLOCATION

2. 將： TBLPROPERTIES.*?\)替換為： TBLPROPERTIES \(\r\n 'parquet.compression'='SNAPPY'\)

我在單個正則表達式中很難做到這一點。 任何人？