Apache Pig字符串截取实战小例子

记录一个Pig字符串截取的实战小例子：

需求以下，从下面的字符串里提取出第2列（冒号后面）的值：

Java代码  

1 2  3 4
a:ab#c#d
a:c#c#d
a:dd#c#d
a:zz#c#d

若是是在java里，方法可能有不少种，好比substring，或者split屡次等，在pig也大体如此，能够使用SUBSTRING内置函数来完成，但散仙推荐使用下面的方式，这种方式比较灵活，适合大部分场景的数据提取，须要用到的2个函数以下：

（1）REGEX_EXTRACT（'原始字符串','正则式',int类型的返回索引）

（2）STRSPLIT('原始字符串', '正则式', 限制返回的个数)


pig脚本写法：

Java代码  

a = laod '/tmp/data' as (data:chararray)
//注意逻辑是，先获取冒号后面的数据，而后split成tuple，再经过$1（下标访问元素）获取咱们须要的数据便可。
b = foreach a generate STRSPLIT (REGEX_EXTRACT (data, '(.*):(.*)', 2) ,'#',5).$0;

dump b;