Apache Pig - STRSPLITTOBAG()

此函数类似于 STRSPLIT() 函数。它根据给定的分隔符分割字符串，并将结果返回到一个包中。

语法

下面给出 STRSPLITTOBAG() 的语法。此函数接受一个需要分割的字符串、一个正则表达式以及一个指定限制的整数值（字符串应分割成的子字符串数量）。此函数解析字符串，并在遇到给定的正则表达式时，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> STRSPLITTOBAG(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://127.0.0.1:9000/pig_data/emp.txt' USING PigStorage(',')
   as (id:int, name:chararray, age:int, city:chararray);

以下是 STRSPLITTOBAG() 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，我们尝试分割员工的姓名和姓氏，并使用 STRSPLITTOBAG() 函数在包中获取结果。

grunt> strsplittobag_data = FOREACH emp_data GENERATE (id,name), STRSPLITTOBAG (name,'_',2);

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

grunt> Dump strsplittobag_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)})