PigLatin中的STRSPLIT和REGEX_EXTRACT_ALL [英] STRSPLIT and REGEX_EXTRACT_ALL in PigLatin

问题描述

我有以下文件：

 文件
 ---- 
 12-3约翰121 
 5-1山姆122 
  

该文件是选项卡（ \ t ）分隔。我将行加载为 line：chararray ，因为我希望数据不会分割到单个字段中。

现在，我想将细节（12-3和5-1）作为单独的数据进行抽取和存储。

我试着用 STRSPLIT 和 REGEX_EXTRACT_ALL ，但是数据似乎不匹配。

  splitdata = FOREACH FILEDATA {
正则表达式= REGEX_EXTRACT_ALL（线， '^（[0-9] *）\\  - （[0-9] *）'）; 
 split = STRSPLIT（line，'\\t'，1）; 
 GENERATE regex，split; 
}; 
  

这就是我希望得到的最终数据：

 （12，3，12-3 John 121）
（5,1,5-1 Sam 122）
  
 
感谢洛兰德。
 
 
 
既然你给了一个关于如何使用 REGEX_EXTRACT_ALL 的小概念，这里是我最终如何使用它的。
  FOREACH甲GENERATE FLATTEN（REGEX_EXTRACT_ALL（行， '^（[0-9] *）\\  - （[0-9] *）*。'））
 AS（FIELD1： chararray，FIELD2：chararray），行; 
  
知道Matcher.matches（）在'^ [0-9] *）\\  - （[0-9] *）'适用于'^（[0-9] *）\\\ \\  - （[0-9] *）。*'。
 
I have a following file:
File
----
12-3    John    121
 5-1    Sam     122
The file is tab(\t) delimited. I am loading the row as line:chararray as I want the data not to be split in individual fields.

And now, I want to pull and store the details (12-3, and 5-1) as separate data.

I am trying with STRSPLIT and REGEX_EXTRACT_ALL, but the data doesn't seem to match.
splitdata = FOREACH filedata {
    regex = REGEX_EXTRACT_ALL(line, '^([0-9]*)\\-([0-9]*)');
    split = STRSPLIT(line, '\\t', 1);
    GENERATE regex, split;
};
This is how I want my final data to be:
(12, 3, 12-3    John    121)
( 5, 1,  5-1    Sam     122)

解决方案
Thanks Lorand.

Since you gave a little idea about how to use the REGEX_EXTRACT_ALL, here is how I finally used it.
FOREACH A GENERATE FLATTEN(REGEX_EXTRACT_ALL(line, '^([0-9]*)\\-([0-9]*).*')) 
  AS (FIELD1:chararray, FIELD2:chararray), line;
Pretty interesting to know that Matcher.matches() fails for '^([0-9]*)\\-([0-9]*)' while works for '^([0-9]*)\\-([0-9]*).*'.

                        
这篇关于PigLatin中的STRSPLIT和REGEX_EXTRACT_ALL的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！