正则表达式使用pig提取所有内容
正则表达式使用pig提取所有内容
提问于 2016-11-08 04:27:47
这是我要匹配的样本数据(属性)：
[87027^适用年龄#619081^12-36个月,108389^国产/进口#619192^国产,108376^包装单位#619113^盒装,12210^分类#121491^牛奶粉,108385^奶源产地#619164^澳洲/新西兰,115919^配方#651827^常规配方奶粉,12212^段位#121499^3段,108380^净含量#619152^2kg以上]
[108385^奶源产地#619183^其它 ,12212^段位#121499^3段,87027^适用年龄#619081^12-36个月,108376^包装单位#619120^桶装,108389^国产/进口#619196^进口,12210^分类#121491^牛奶粉,115919^配方#651827^常规配方奶粉,12241^价格#121803^200-299元,108380^净含量#619147^800-1000g]
[87027^适用年龄#619081^12-36个月,108389^国产/进口#619192^国产,108376^包装单位#619113^盒装,12210^分类#121491^牛奶粉,108385^奶源产地#619164^澳洲/新西兰,115919^配方#651827^常规配方奶粉,12212^段位#121499^3段,108380^净含量#619152^2kg以上]所以我尝试与数字之间的所有值进行匹配。因此，对于第一个数据行，我希望匹配介于87027和619081之间的值，以及介于619081和108389之间的值，依此类推。
到目前为止，我的代码如下：
data = LOAD 'SHORT.txt' USING PigStorage() AS (number:chararray, user:chararray, item:chararray, attributes:chararray);
B = FOREACH data GENERATE REGEX_EXTRACT_ALL (attributes, '\\^(.*?)[#|,|\\]]');
DUMP B;如果您还有其他需要的信息，请告诉我。谢谢!
回答 1
Stack Overflow用户
发布于 2016-11-08 05:13:31
此模式捕获您所描述的内容：
\d+?(\^.+?[,#\]])示例如下：https://regex101.com/r/pOPWwY/2
看起来Hadoop需要对反斜杠进行双重转义，所以在测试上面的代码时请记住这一点。
如果要排除标记, # ]，则：
\d+?(\^.+?)[,#\]]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/40473990
复制相关文章
相似问题
腾讯云开发者
