通过在pig拉丁语中取出匹配的regex来过滤结果

qoefvg9y 于 2021-06-25 发布在 Pig

关注(0)|答案(1)|浏览(274)

我有一些包含url字符串的数据，这些数据都嵌入了一些不同的子字符串。
我的目标是获得一组从字符串中移除子字符串的结果：
例如。
原始数据：{id long，url string}
下面是一些示例rawdata:1，/213112341\u v1.html 243524254243\u v2.html 5，/000000\u v3.html 5，/000000\u v4.html
我想要的结果是：
1，/213112341.html 243524254243.html 5，/000000.html
所以基本上从url中删除subversion号（|v1 | | uv2 | v3 | | | uv4），并创建唯一的结果。
在Pig身上我该怎么做？
谢谢，

apache-pig

来源：https://stackoverflow.com/questions/19084965/filter-result-by-taking-out-a-matching-regex-in-pig-latin

1条答案

按热度按时间

ekqde3dh1#

您最好的选择是执行以下操作：

FOREACH data GENERATE id, CONCAT(REGEX_EXTRACT(url, '(/?[0-9]*)_,',1),'.html');

编辑：
如果数据更复杂的话，试试下面的方法怎么样

FOREACH data GENERATE id, CONCAT(STRSPLIT(url, '_v[0-9]',1),'.html')

它应该在版本#之前获取所有内容，concat将.html添加回。如果之前的verson编号和之后的verison编号部分更复杂，您可以执行以下操作：

FOREACH data GENERATE id, CONCAT(FLATTEN(STRSPLIT(url, '_v[0-9]',2)))

赞(0）回复(0）举报 2021-06-25

我来回答

通过在pig拉丁语中取出匹配的regex来过滤结果

1条答案

相关问题

热门标签

最新问答