scala:处理元组，其中元组的第二个元素是字符串数组

Question

我有一个rdd，RDD的结构如下:

org.apache.spark.rdd.RDD[(String, Array[String])] = MappedRDD[40] at map at <console>:14

这里是 x.take(1) 看起来像:

Array[(String, Array[String])] = Array((8239427349237423,Array(122641|2|2|1|1421990315711|38|6487985623452037|684|, 1229|2|1|1|1411349089424|87|462966136107937|1568|.....))

对于数组中的每个字符串，我想用“|”分隔并获取第 6 个项目并将其与元组的第一个元素一起返回，如下所示:

8239427349237423-6487985623452037
8239427349237423-4629661361079371

我开始如下:

  def getValues(lines: Array[String]) {
    for(line <- lines) {
      line.split("|")(6)
    }

我还尝试了以下方法:

val b= x.map(a => (a._1, a._2.flatMap(y => y.split("|")(6))))

但这最终给了我以下结果:

Array[(String, Array[Char])] = Array((8239427349237423,Array(1, 2, 4, |, 9, |, 4, 1, 7, 6, |, 2, 9, 2, 7, 2, |, 7, |,....)))

Answer 1

如果您想对整个x执行此操作，您可以使用flatMap:

def getValues(x: Array[(String, Array[String])]) =
  x flatMap (line => line._2 map (line._1 + "-" + _.split("\\|")(6)))

或者，也许更清楚一点，使用 for-compression:

def getValues(x: Array[(String, Array[String])]) = 
  for {
    (fst, snd) <- x
    line <- snd
  } yield fst + "-" + line.split("\\|")(6)

您必须使用 "\\|" 参数调用 split，因为它需要一个正则表达式，而 | 是一个特殊符号，因此你需要逃避它。 (编辑:或者您可以使用'|'(Char)，按照@BenReich的建议)

要回答您的评论，您可以修改 getValues 以从 x 获取单个元素作为参数:

def getValues(item: (String, Array[String])) =
  item._2 map (item._1 + "-" + _.split('|')(6))

然后用

调用它

x flatMap getValues