Amazon web services 在Hadoop中使用PIG时，如何将文本的某些部分与未知数量的组进行正则表达式匹配？

我正在使用亚马逊的弹性地图还原

我有这样的日志文件

   random text foo="1" more random text foo="2"
   more text notamatch="5" noise foo="1"
   blah blah blah foo="1" blah blah foo="3" blah blah foo="4" ...

我如何编写一个pig表达式来挑出“foo”表达式中的所有数字

我更喜欢这样的元组：

(1,2)
(1)
(1,3,4)

我尝试了以下方法：

TUPLES = foreach LINES generate FLATTEN(EXTRACT(line,'foo="([0-9]+)"'));

但这只会在每行中产生第一个匹配项：

(1)
(1)
(1)

---

您可以使用STRSPLIT：

要拆分的正则表达式将是

[^0-9]+

（即，不是数字） 这将有效地分割大部分非数字，只留下数字标记

---

另一种选择是编写Pig UDF。

正则表达式提取函数可以帮助您获得所需的输出

---

REGEX_EXTRACT（输入，'foo=（.*），2）作为输入

是的，你说得对。不幸的是，我的例子有误导性，因为它没有说明我实际上有其他我不想匹配的数值表达式。我已经更新了我的示例，使其更具说明性。您能不能不使用Pig UDF来实现这一点？