Regex Hadoop Pig拉丁正则表达式匹配

我有以下过滤器：

filtered = FILTER raw BY year >= 1960 AND string MATCHES '(?!.*[0-9].*|.{1}|.*@.*|.*www.*|.*http.*)';

我打算为以下字符串获得以下结果：

a #false .{1}
email@example.com #false .*@.*
http://somesite.com #false .*http.*
www.somesite.com #false .*www.*
12word #false .*[0-9].*
wo12rd #false .*[0-9].*
word12 #false .*[0-9].*
red #true

相反，我得到一个空的结果集

编辑： 我已将正则表达式更新为：

'^(?!.*[0-9].*|.{1}|.*@.*|.*www.*|.*http.*)$'

---

在m.buettner校正后，但继续得到一个空结果集。

有两个问题。首先，Pig Latin似乎要求您匹配整个字符串，而不是“字符串中的某个地方匹配”。但是，负前瞻不使用任何字符，因此它与字符串的完整字符不匹配。这可以通过添加

*

来解决。其次，您的规则

{1}

（其中

{1}

是冗余的）不要求这一个字符是字符串中的唯一字符。因此，在上一个示例中，它将简单地使用

r

的

red

，并设置负前瞻

因此，解决方案如下：

(?!.*[0-9]|.$|.*@|.*www|.*http).*

---

有两个问题。首先，Pig Latin似乎要求您匹配整个字符串，而不是“字符串中的某个地方匹配”。但是，负前瞻不使用任何字符，因此它与字符串的完整字符不匹配。这可以通过添加

*

来解决。其次，您的规则

{1}

（其中

{1}

是冗余的）不要求这一个字符是字符串中的唯一字符。因此，在上一个示例中，它将简单地使用

r

的

red

，并设置负前瞻

因此，解决方案如下：

(?!.*[0-9]|.$|.*@|.*www|.*http).*

---

我继续得到一个带有正则表达式“^（？！*[0-9].*.{1}.*.@.*.*www.*.*http.*.$”的空结果集。谢谢你纠正我的正则表达式-我已经学会了！但是我的问题没有解决。文档说Pig Latin希望使用Java正则表达式格式。我已经通读了这些文件，但我显然遗漏了一个关键点。@waigani你试过我的第一个建议了吗？（只需删除

（？！

和

）

？这些正则表达式是正确的Java正则表达式，但问题是它们是否使用'matches'函数（这意味着必须匹配完整字符串）。如果我删除（？！and），它将包含所有匹配。我需要排除所有匹配。啊，对。这是如何工作的：

（？！.[0-9]..$.$..*.*.

？'^.*.[0-9]...*..$..$.$.*.*.*.*.*.*.*.*.$.$.*.*.*.*.*.*.*.*.*.*.*.*.*.*.*.*.*.*.*.*.*.*.*.'.*.*.*.*.*.*不确定原因。但是删除^和$，并将其更改为。{1}.$的效果与预期一致。因此，您的上一个建议，减去^.^看起来会起作用-现在只需运行map reduce map.*.*.*.*.*.*我继续得到一个空的结果集*[0-9].*.{1}.*.*.*.*.*.*.*www.*.*http.*.$”。感谢您纠正我的正则表达式-我已经学会了！但我的问题没有解决。文档说Pig Latin需要Java正则表达式格式。我已经通读了文档，但显然遗漏了一个关键点。@waigani您尝试过我的第一个建议吗？（只是删除

（？！

和

）

？这些正则表达式是正确的Java正则表达式，但问题是它们是否使用“matches”函数（这意味着必须匹配完整的字符串）。如果我删除（？！and），它将包括所有匹配项。我需要排除所有匹配项。啊，对了。这是如何工作的：

（？！.[0-9].|.$|.@........*www.|.*http.*

？'^（？！.[0-9].*.{1}.*.@.*.*www.*.*http.*.$”匹配了所有内容，但不确定原因。但是删除“^”和“$”，并将“{1}”更改为“.$”，效果与预期一致。因此，您的上一个建议，减去“^”看起来会起作用-现在只需运行map reduce。