Hadoop/Pig正则表达式匹配
这是一种奇怪的情况，但我正在寻找一种方法，使用类似匹配的东西进行过滤，但要在未知模式（长度未知）列表中进行过滤 也就是说，如果给定的输入是两个文件，一个带有数字A： xxxx yyyy zzzz zzyy ……等等 另一个是模式B： xx* yyy* ……等等 如何根据第二个输入中的所有模式过滤第一个输入 如果我事先知道所有的模式，我可以 A=筛选依据（num匹配'somepattern.*'或num匹配'someotherpattern'…） 问题是我事先不知道它们，因为它们是模式而不是简单的字符串，所以我不能只使用连接/组（至少就我所知）。 也许是一个奇怪的嵌套的FOREACH…东西？Hadoop/Pig正则表达式匹配,hadoop,mapreduce,hdfs,Hadoop,Mapreduce,Hdfs,这是一种奇怪的情况，但我正在寻找一种方法，使用类似匹配的东西进行过滤，但要在未知模式（长度未知）列表中进行过滤 也就是说，如果给定的输入是两个文件，一个带有数字A： xxxx yyyy zzzz zzyy ……等等 另一个是模式B： xx* yyy* ……等等 如何根据第二个输入中的所有模式过滤第一个输入 如果我事先知道所有的模式，我可以 A=筛选依据（num匹配'somepattern.*'或num匹配'someotherpattern'…） 问题是我事先不知道它们，因为它们是模式而不是简单的
有什么想法吗？如果您使用作为
或操作的
，您可以从各个模式中构建一个模式
(xx.*|yyy.*|zzzz.*)
这将检查它是否匹配任何模式
(xx.*|yyy.*|zzzz.*)
编辑：
要创建组合正则表达式模式：
*创建一个以开头的字符串（
*读入每一行（假设每一行都是一个模式），并将其附加到一个字符串中，后跟一个
*读取完行后，删除最后一个字符（这将是不必要的|
）
*附加一个）
这将创建一个regex模式来检查输入文件中的所有模式。（注意：假定文件包含有效的模式）如何通过编程实现？正如我所说，我事先不知道这些模式有多少（或者它们的内容）。@Subsvn:用logicSo更新了帖子，所以用straight Pig无法做到这一点？@Subsvn:我不熟悉Pig，所以我不能具体说明如何实现解决方案。你可能想检查一下，看看这是否有助于为你指明一个有用的方向。啊，这就是问题所在：猪似乎相当不完整。不幸的是，我有点拘束于此。。。