Apache Pig - STRSPLITTOBAG() 函数

此函数类似于STRSPLIT()函数。 它按给定的分隔符分割字符串并将结果返回到包中。

语法

STRSPLITTOBAG() 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> STRSPLITTOBAG(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STRSPLITTOBAG()函数的示例。 如果你观察emp.txt文件，你可以发现，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，我们尝试拆分员工的姓名，并使用 STRSPLITTOBAG() 函数将结果放入包中。

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 运算符验证关系 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)}) 

apache_pig_string_functions.html