代码之家 › 专栏 › 技术社区 › Neil Kodner

生猪中的regexp匹配

apache-pig hadoop regex

Neil Kodner · 技术社区 · 14 年前

使用apache pig和文本

hahahah.  my brother just didnt do anything wrong. He cheated on a test? no way!

我想和“我弟弟没做错什么”。

理想情况下,我想匹配任何以“我哥哥只是”开头,以标点符号(句尾)或EOL结尾的内容。

查看pig文档,然后按照java.util.regex.pattern的链接,我认为我应该能够使用

extrctd = FOREACH fltr GENERATE FLATTEN(EXTRACT(txt,'(my brother just .*\\p{Punct})')) as (txt:chararray);

但这似乎一直到最后。有什么建议吗?我准备拔出我的头发,拔出我的头发,我的意思是切换到Python流

3 回复 | 直到 14 年前

Mark Byers 14 年前

量词默认为 greedy . 这意味着它们尽可能匹配。在这种情况下,您只希望匹配到第一个标点符号。换句话说,你希望尽可能少地匹配。

所以为了解决你的问题,你应该通过添加一个 ? 紧接着:

my brother just .*?\\p{Punct}
                  ^

注意使用 ? 这里与它作为量词的用法不同,量词的意思是“匹配零或一”。

FrustratedWithFormsDesigner 14 年前

你试过了吗? .*(my brother just .*\\p{Punct})

看起来你的表情想要 my brother 部分是字符串的开头,但在您的示例中,它位于字符串的中间,因此您必须对之前的所有内容进行说明。 我的兄弟 .

FlyingStreudel 14 年前

你是匹配的。*这是…一切…尝试[az]*只匹配字母

推荐文章

ÐÐ½Ð´ÑÐµÐ¹ Ð¡Ð¼Ð¸ÑÐ½Ð¾Ð² · 通过xplpath从xml加载字段时出现问题

2 年前

Mayank Bandral · pig中下面提到的数据的模式应该是什么?

6 年前

aiman · Hive-2.3.2 metastore with MySQL无法启动

6 年前

OOvic · Spark Java API中的连接行数据集

6 年前

enodmilvado · avahi守护程序是否应该在hadoop群集计算机上运行?

6 年前

LearningNinja · 火花执行人。spark submit中忽略了extraJavaOptions

6 年前

ForeverLearner · 当我在Hive中使用OpenCSVSerde时,为什么所有列都被创建为字符串?

6 年前

tooptoop4 · apache ranger with hive插件-需要持久化哪些对象

6 年前

Rupesh More · 合流HDFS接收器连接器:如何配置自定义hadoop用户和组?

6 年前