Apache Pig - STRSPLIT() 函数

此函数用于使用给定分隔符分割给定字符串。

语法

STRSPLIT() 的语法如下所示。此函数接受需要分割的字符串、正则表达式和指定限制的整数值（字符串应分割成的子字符串数量）。此函数解析字符串，当遇到给定的正则表达式时，它将字符串分割成 n 个子字符串，其中 n 将是传递给 limit 的值。

grunt> STRSPLIT(string, regex, limit)

示例

假设在 HDFS 目录 /pig_data/ 中有一个名为 emp.txt 的文件，如下所示。此文件包含员工详细信息，例如 ID、姓名、年龄和城市。

emp.txt

001,Robin_Smith,22,newyork 
002,BOB_Wilson,23,Kolkata 
003,Maya_Reddy,23,Tokyo 
004,Sara_Jain,25,London 
005,David_Miller,23,Bhuwaneshwar 
006,Maggy_Moore,22,Chennai 
007,Robert_Scott,22,newyork 
008,Syam_Ketavarapu,23,Kolkata 
009,Mary_Carter,25,Tokyo 
010,Saran_Naidu,25,London 
011,Stacy_Green,25,Bhuwaneshwar 
012,Kelly_Moore,22,Chennai 

并且，我们已使用名为 emp_data 的关系将此文件加载到 Pig 中，如下所示。

grunt> emp_data = LOAD 'hdfs://:9000/pig_data/emp.txt' USING PigStorage(',')
   as (id:int, name:chararray, age:int, city:chararray);

以下是 STRSPLIT() 函数的示例。如果您观察 emp.txt 文件，您会发现，在 name 列中，我们使用分隔符 '_' 分隔了员工的姓名和姓氏。

在此示例中，我们尝试使用 STRSPLIT() 函数分割员工的姓名和姓氏。

grunt> strsplit_data = FOREACH emp_data GENERATE (id,name), STRSPLIT (name,'_',2);

语句的结果将存储在名为 strsplit_data 的关系中。使用 Dump 操作符验证关系 strsplit_data 的内容，如下所示。

grunt> Dump strsplit_data;
  
((1,Robin_Smith),(Robin,Smith))
((2,BOB_Wilson),(BOB,Wilson))
((3,Maya_Reddy),(Maya,Reddy))
((4,Sara_Jain),(Sara,Jain))
((5,David_Miller),(David,Miller))
((6,Maggy_Moore),(Maggy,Moore))
((7,Robert_Scott),(Robert,Scott))
((8,Syam_Ketavarapu),(Syam,Ketavarapu))
((9,Mary_Carter),(Mary,Carter))
((10,Saran_Naidu),(Saran,Naidu))
((11,Stacy_Green),(Stacy,Green))
((12,Kelly_Moore),(Kelly,Moore))