hadoop - Pig Latin 中的 STRSPLIT 和 REGEXP_EXTRACT_ALL

Question

我有以下文件:

File
----
12-3    John    121
 5-1    Sam     122

该文件是制表符(\t) 分隔的。我将行加载为 line:chararray，因为我希望数据不会在各个字段中拆分。

现在，我想提取详细信息(12-3 和 5-1)并将其存储为单独的数据。

我正在尝试使用 STRSPLIT 和 REGEX_EXTRACT_ALL，但数据似乎不匹配。

splitdata = FOREACH filedata {
    regex = REGEX_EXTRACT_ALL(line, '^([0-9]*)\\-([0-9]*)');
    split = STRSPLIT(line, '\\t', 1);
    GENERATE regex, split;
};

这就是我想要的最终数据:

(12, 3, 12-3    John    121)
( 5, 1,  5-1    Sam     122)

Answer 1

关于:

A = LOAD .... AS (line:chararray);
B = FOREACH A GENERATE FLATTEN(REGEX_EXTRACT_ALL(line, '^(.*)\t(.*)\t(.*)$')) 
      AS (id:chararray, name:chararray, nameid:chararray);
C = FOREACH B GENERATE FLATTEN(REGEX_EXTRACT_ALL(id, '^([0-9]*)\\-([0-9]*)')), 
      id, name, nameid;
STORE C INTO ...

如果在加载时将行拆分为沿\t 的字段，则可以跳过 B = ...