Apache Pig - STRSPLIT() 函数

该函数用于按给定的分隔符分割给定的字符串。

语法

STRSPLIT() 的语法如下。 该函数接受需要拆分的字符串、正则表达式和指定限制的整数值（应拆分字符串的子字符串数量）。 该函数解析字符串，当遇到给定的正则表达式时，它将字符串拆分为 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HDFS目录/pig_data/中有一个名为emp.txt的文件，如下所示。 该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，我们已将此文件加载到 Pig 中，其关系名为 emp_data，如下所示。

grunt> emp_data = LOAD 'hdfs://localhost: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，您可以发现，在 name 列中，我们有员工的名字和姓氏，中间用删除符 '_' 分隔。

在此示例中，我们尝试使用 STRSPLIT() 函数拆分员工的姓名。

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 运算符验证关系 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))

apache_pig_string_functions.html