Java PIG中带双引号的正则表达式

我正在编写一个pig脚本来处理sophos代理的访问日志

每一行都像：

2015:01:13-00:00:01 AR-BADC-FAST-01 httpproxy[27983]：id=“0001”severity=“info”sys=“SecureWeb”sub=“http”name=“http access”action=“pass”method=“GET”srcip=“10.20.7.210”dstip=“10.24.2.7”user=”“ad_domain=“”statuscode=“302”cached=“0”profile=“REF\u DefaultHTTPProfile（默认Web过滤器配置文件）”filteraction=“REF\u defaultHttpCf”（默认内容筛选器操作）“size=“0”request=“0x9ac68d0”url=”http://www.google.com“例外情况=“av、auth、内容、url、ssl、certcheck、certdate、mime、缓存、文件扩展名”error=”“authtime=“0”dnstime=“1”cattime=“0”avscantime=“0”fullreqtime=“239428”device=“0”auth=“0”

因此，我设法用MapReduce在Java中实现了这一点，使用以下正则表达式：

\”（[^\“]*）\“

获取引号之间的值，然后对其进行处理。现在我想用pig实现同样的操作，但我无法将正则表达式应用于每一行

我正在做：

input = load './http.log' as (line : chararray);
splt = foreach input generate FLATTEN(REGEX_EXTRACT_ALL(line,'(\\"([^\\"]*)\\")'));
dump splt;

splt = FOREACH A GENERATE
    FLATTEN(REGEX_EXTRACT(line,'.*url="([^"]*)".*',1)) AS url,
    FLATTEN(REGEX_EXTRACT(line,'.*fullreqtime="([^"]*)".*',1)) AS duration,
    FLATTEN(REGEX_EXTRACT(line,'.*size="([^"]*)".*',1)) AS bytes;

转储的结果是：（）

我在使用REGEX_EXTRACT_ALL时遗漏了一些东西，或者我必须以不同的方式转义REGEX的某些字符

---

谢谢！

我用不同的方法提取了值，因为我只需要行中的一些字段

为了获得我正在做的值：

input = load './http.log' as (line : chararray);
splt = foreach input generate FLATTEN(REGEX_EXTRACT_ALL(line,'(\\"([^\\"]*)\\")'));
dump splt;

splt = FOREACH A GENERATE
    FLATTEN(REGEX_EXTRACT(line,'.*url="([^"]*)".*',1)) AS url,
    FLATTEN(REGEX_EXTRACT(line,'.*fullreqtime="([^"]*)".*',1)) AS duration,
    FLATTEN(REGEX_EXTRACT(line,'.*size="([^"]*)".*',1)) AS bytes;

---

然后我可以继续脚本的其余部分。

双引号在正则表达式中没有什么特殊之处，不需要引用它们；在Java中这样做只是因为在字符串文本中，必须引用它们。但是，既然PIG似乎不需要这些，只需删除反斜杠。@fge我需要正则表达式的方式是：

\（[^\“]*）\”

为了获得引号之间的所有值，如下所示：。但是如果我不替换\，我会在执行pig脚本时得到：

意外字符''