hadoop - Pig 过滤掉不匹配项

Question

我有一堆具有各种前缀的字符串，包括“未知:”我真的很想在我的 Pig 脚本中过滤掉所有以“未知:”开头的字符串，但它似乎不起作用。

simpleFilter = FILTER records BY NOT(mystr MATCHES '^unknown');

我已经尝试了正则表达式的一些其他排列，但似乎 MATCHES 不能很好地与 NOT 一起工作。我错过了什么吗？

使用 Pig 0.9.2

Answer 1

这是因为 matches 运算符的操作与 Java 的 String#matches 完全相同，即它试图匹配整个 String 而不仅仅是它的一部分(你的例子中的前缀).只需更新您的正则表达式以匹配具有您指定前缀的整个字符串，如下所示:

simpleFilter = FILTER records BY NOT(mystr MATCHES '^unknown.*');