java - Pig脚本/命令来过滤多个字符串上的文件

Question

我正在尝试编写一个Java程序或Hadoop Pig脚本，该脚本将使用逗号分隔的字符串(例如abc, def, xyz)作为参数，并为包含一个或多个这些字符串的记录过滤文件。

例如。

输入文件:

1    abctree
2    pqrwewe
3    rtrxyz45
4    abcxyz
5    234rt23

输入参数为: abc, def, xyz
预期产量:

1    abctree
3    rtrxyz45
4    abcxyz

我能够使用 matches编写用于过滤1个字符串上的文件的脚本，但是不知道如何对多个字符串执行此操作。我是否需要为此编写UDF？

我已经在这个问题上添加了Java标记，因为根据我的初步发现，我将不得不编写将用Java编写的UDF。因此，如果有人知道用Java编写此方法的方法，请发布您的解决方案。

Answer 1

我已经弄清楚了:

B = filter A by (n matches '.*string1.*' or n matches '.*string2.*' or n matches '.*string3.*');

这可以解决问题。

但是，根据我的要求，我将接受命令行中的“逗号分隔”输入，例如 string1, string2, string3。因此，下一个任务是以某种方式分离各个字符串，并在上面的表达式中使用它们。如果有人知道该怎么做(尤其是没有UDF的人)，请发布。