在同一表达式中重新排序RegEx捕获组

Question

我有带有这个时间戳格式的日志文件: 04/Apr/2021:12:21:24 +0000

此RegEx与此格式匹配：

\[([0-9]{2})\/([A-Za-z]{3})\/([0-9]{4}):([0-9]{2}:[0-9]{2}:[0-9]{2}) ([+-][0-9]{4})\]

是否可以添加以下修改此表达式的内容？

1. 通过重新排序捕获的组

，将日期重新排序到YYYY。

1. 将月份缩写更改为等效月份数(4月至2004年)

使用日志中的日期/时间作为SQL时间戳列键的输入，需要这些更改将快速日志导入AWS雅典娜数据库。

我搜索了所有的Google和Stack溢出，但只发现替代作为一个单独的表达式。

任何帮助都是非常感谢的，谢谢！

更新:这是我的Athena Create语句，我的正则表达式用于填充快速日志中的数据。

create external table if not exists logsdb.service_logs_2021_04_04
(
   `syslog_prefix`            string,
   `remote_ip_address`        string,
   `dashes`                   string,
   `timestamp`                timestamp,
   `url_request`              string,
   `final_status_code`        smallint,
   `response_size`            int,
   `fastly_datacenter`        string,
   `fastly_cache_state`       string,
   `client_ip_address`        string,
   `client_geo_location`      string
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe'
WITH SERDEPROPERTIES
(
   'serialization.format' = '1',
   'input.regex' = '^(.+]:) ([0-9.]+) ("-" "-") \\[([0-9]{2})\/([A-Za-z]{3})\/([0-9]{4}):([0-9]{2}:[0-9]{2}:[0-9]{2}) ([+-][0-9]{4})\\] \"(.+?)\" ([0-9]{3}) ([0-9]+) ([A-Za-z]+) ([A-Za-z-]+) ([0-9.]+) ([A-Za-z ]+)$'
)
LOCATION 's3://weblog-query-source/service-logs/2021-04-04/'
TBLPROPERTIES ('has_encrypted_data'='false')

Answer 1

绕过复杂正则表达式的一个简单方法是使用SELECT查询转换值。例如：

select date_format(date_parse('04/Apr/2021:12:21:24', '%d/%b/%Y:%T%'), '%Y-%m-%d')

输出：2021-04-04