hadoop - Pig - 解析 XML 文件

Question

我想在 pig 中解析这样的 XML 文件:

<person>
    <name>person1</name>
    <exp>blablabla</exp>
    <exp>blablabla</exp>
</person>

<person>
    <name>person2</name>
    <exp>blablabla</exp>
    <exp>blablabla</exp>
    <exp>blablabla</exp>
</person>

我已经写了一个 JAVA 程序，它产生了这个输出:

• 第一个文件，其中包含人名与其 ID 之间的映射:

1,person1

2,person2

然后我可以使用这个 pig 命令将文件加载到一个变量中:

A = load '...' AS (id_person:int, name:chararray);

• 第二个文件，用于映射人员及其经历

1,1,blablabla

1,2,blablabla

2,1,blablabla

2,2,blablabla

2,3,blablabla

我以这种方式加载文件:

B = load '...' AS (id_person:int, id_exp:int, text:chararray);

我想做同样的事情，但只使用 pig 。可能吗？

谢谢

Answer 1

您可以使用 Piggybank 的 org.apache.pig.piggybank.storage.XMLLoader 加载 xml 数据。我不确定我是否了解您想要实现的目标。如果输出中的数字与包内的位置相关(第二个文件中的 id 和第二个字段)，则可以使用 datafu 的包函数 Enumerate ( datafu.pig.bags.Enumerate ) 来枚举包内的元素然后生成并存储它们。