csv - 具有不同分隔符的 Hadoop/Pig CSVExcelStorage

Question

将以下输入文件与 PiggyBank 的 CSVExcelStorage 一起使用效果很好:

Col1,Col2,Col3
1,2,3
"1","2","3"

小 pig 脚本

REGISTER /usr/lib/pig/piggybank.jar;
DEFINE CSVExcelStorage org.apache.pig.piggybank.storage.CSVExcelStorage; 
a = LOAD '/path/to/file.csv' USING CSVExcelStorage()
b = FOREACH a GENERATE $1;
DUMP b

按预期工作并返回

(Col2)
(2)
(2)

用分号作为分隔符做同样的事情是行不通的:

Col1;Col2;Col3
1;2;3
"1";"2";"3"

调整后的pig脚本

REGISTER /usr/lib/pig/piggybank.jar;
DEFINE CSVExcelStorage org.apache.pig.piggybank.storage.CSVExcelStorage; 
a = LOAD '/path/to/file.csv' USING CSVExcelStorage(';')
b = FOREACH a GENERATE $1;
DUMP b

简单的返回

()
()
()

有什么想法吗？

Answer 1

我自己找到了解决方案。 DEFINE 语句是问题所在，它阻止将参数传递给 CSVExcelStorage()。以下将按预期工作:

REGISTER /usr/lib/pig/piggybank.jar;
a = LOAD '/path/to/file.csv' USING org.apache.pig.piggybank.storage.CSVExcelStorage(';')
b = FOREACH a GENERATE $1;
DUMP b