Apache pig 如何在pig中使用管道分隔符将字符串数据拆分为数组？

我试图编写pig脚本，获取如下字符串数据：abc | def | xyz，并尝试将这些值放入字符串数组中

如何拆分此字符串以获得类似[abc，def，xyz]的字符串数组

我试着使用STRSPLIT函数，但在我的例子中，拆分的数目是不固定的。管道分隔值的数量可能会有所不同，我需要所有这些值都位于该数组中

---

有什么建议吗？

你的方向是对的，但有一点你没有注意到。当分割数不固定时，也可以使用它。UDF的第三个参数是您拥有的“拆分”数，但您可以传递一个负数，它将查找与表达式匹配的所有可能拆分

从：

极限

如果值为正值，则正则表达式的编译表示形式的模式最多应用limit-1次，因此参数的值表示结果元组的最大长度。结果元组的最后一个元素将包含最后一次匹配后的所有输入

如果该值为负值，则不会对结果元组的长度应用任何限制

想象一下这个输入：

abc|def|xyz,1
abc|def|xyz|abc|def|xyz,2

您可以执行以下操作：

A = load 'data.txt' using PigStorage(',');
B = foreach A generate STRSPLIT($0,'\\|',-1);

输出将是：

DUMP B;

((abc,def,xyz))
((abc,def,xyz,abc,def,xyz))

---

你的方向是对的，但有一件事你没有注意到。当分割数不固定时，也可以使用它。UDF的第三个参数是您拥有的“拆分”数，但您可以传递一个负数，它将查找与表达式匹配的所有可能拆分

从：

极限

如果值为正值，则正则表达式的编译表示形式的模式最多应用limit-1次，因此参数的值表示结果元组的最大长度。结果元组的最后一个元素将包含最后一次匹配后的所有输入

如果该值为负值，则不会对结果元组的长度应用任何限制

想象一下这个输入：

abc|def|xyz,1
abc|def|xyz|abc|def|xyz,2

您可以执行以下操作：

A = load 'data.txt' using PigStorage(',');
B = foreach A generate STRSPLIT($0,'\\|',-1);

输出将是：

DUMP B;

((abc,def,xyz))
((abc,def,xyz,abc,def,xyz))

---

另一个可行的选择是使用TOKENIZE。建议采用@Balduz建议的解决方案

A = load 'data.txt' using PigStorage(',');
B = foreach A generate BagToString(TOKENIZE($0,'|'),',');
DUMP B;

输出：转储B：

---

另一个可行的选择是使用TOKENIZE。建议采用@Balduz建议的解决方案

A = load 'data.txt' using PigStorage(',');
B = foreach A generate BagToString(TOKENIZE($0,'|'),',');
DUMP B;

输出：转储B：

---

我还有一个问题…我得到的响应是STRUCT类型的，但我想将此数据存储在配置单元表中的数组类型变量中…这会导致类型不匹配…有什么解决方案吗？？？您可以尝试STRSPLITTOBAG我还有一个问题…我得到的响应是STRUCT类型的，但是我想把这些数据存储在一个数组类型变量的配置单元表中…这会导致类型不匹配…有什么解决方案吗？？？你可以试试STRSPLITTOBAG，谢谢Murali…Balduz给出的答案是有效的，但是我得到的响应是STRUCT类型的，我想把它存储在一个数组的配置单元表中…这会导致类型不匹配…有没有解决方案？？？感谢Murali…Balduz给出的答案是可行的，但我得到的响应是结构类型的，我想将其存储在阵列中的配置单元表中…这会导致类型不匹配…有解决方案吗？？？