Apache Pig STRSPLITTOBAG()用法及代码示例

这个函数类似于STRSPLIT()函数。它通过给定的分隔符分割字符串并将结果返回到一个包中。

用法

的语法STRSPLITTOBAG()下面给出。此函数接受一个需要拆分的字符串、一个正则表达式和一个指定限制的整数值(该字符串应拆分的子字符串数)。此函数解析字符串，当遇到给定的正则表达式时，它将字符串拆分为n子串的数量，其中n将是传递给的值limit。

grunt> STRSPLITTOBAG(string, regex, limit)

示例

假设有一个文件名为emp.txt在里面HDFS目录/pig_data/如下所示。此文件包含员工详细信息，例如 ID、姓名、年龄和城市。

emp.txt

001,Robin_Smith,22,newyork 
002,BOB_Wilson,23,Kolkata 
003,Maya_Reddy,23,Tokyo 
004,Sara_Jain,25,London 
005,David_Miller,23,Bhuwaneshwar 
006,Maggy_Moore,22,Chennai 
007,Robert_Scott,22,newyork 
008,Syam_Ketavarapu,23,Kolkata 
009,Mary_Carter,25,Tokyo 
010,Saran_Naidu,25,London 
011,Stacy_Green,25,Bhuwaneshwar 
012,Kelly_Moore,22,Chennai

并且，我们已经将这个文件加载到 Pig 中，关系名为emp_data如下所示。

grunt> emp_data = LOAD 'hdfs://localhost:9000/pig_data/emp.txt' USING PigStorage(',')
   as (id:int, name:chararray, age:int, city:chararray);

下面是一个例子STRSPLITTOBAG()函数。如果你观察emp.txt文件，你会发现，在name列，我们有由 delemeter 分隔的员工的姓名和姓氏“_”。

在这个例子中，我们试图拆分员工的名字和姓氏，并使用STRSPLITTOBAG()函数。

grunt> strsplittobag_data = FOREACH emp_data GENERATE (id,name), STRSPLITTOBAG (name,'_',2);

语句的结果将存储在名为的关系中strsplittobag_data.验证关系的内容strsplittobag_data,使用 Dump 运算符，如下所示。

grunt> Dump strsplittobag_data;
  
((1,Robin_Smith),{(Robin),(Smith)}) 
((2,BOB_Wilson),{(BOB),(Wilson)}) 
((3,Maya_Reddy),{(Maya),(Reddy)}) 
((4,Sara_Jain),{(Sara),(Jain)}) 
((5,David_Miller),{(David),(Miller)}) 
((6,Maggy_Moore),{(Maggy),(Moore)}) 
((7,Robert_Scott),{(Robert),(Scott)}) 
((8,Syam_Ketavarapu),{(Syam),(Ketavarapu)}) 
((9,Mary_Carter),{(Mary),(Carter)})
((10,Saran_Naidu),{(Saran),(Naidu)}) 
((11,Stacy_Green),{(Stacy),(Green)}) 
((12,Kelly_Moore),{(Kelly),(Moore)})