Apache Pig - TOKENIZE() 函数

Pig Latin 的 TOKENIZE() 函数用于将字符串（包含一组单词）拆分为单个元组，并返回一个包含拆分操作输出的包。

语法

下面给出的是 TOKENIZE() 函数的语法。

grunt> TOKENIZE(expression [, 'field_delimiter']) 

As a delimeter to the TOKENIZE() function, we can pass space [ ], double quote [" "], coma [ , ], parenthesis [ () ], star [ * ].

示例

假设我们在HDFS目录/pig_data/中有一个名为student_details.txt的文件，如下所示。 该文件包含学生的详细信息，如 ID、姓名、年龄和城市。 如果我们仔细观察，学生的姓名包括以空格 [ ] 分隔的名字和姓氏。

student_details.txt

001,Rajiv Reddy,21,Hyderabad
002,siddarth Battacharya,22,Kolkata 
003,Rajesh Khanna,22,Delhi 
004,Preethi Agarwal,21,Pune 
005,Trupthi Mohanthy,23,Bhuwaneshwar 
006,Archana Mishra,23 ,Chennai 
007,Komal Nayak,24,trivendram 
008,Bharathi Nambiayar,24,Chennai 

我们已将此文件加载到 Pig 中，关系名称为 student_details，如下所示。

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

标记字符串

我们可以使用TOKENIZE()函数来分割字符串。 作为示例，让我们使用此函数拆分名称，如下所示。

grunt> student_name_tokenize = foreach student_details  Generate TOKENIZE(name);

验证

使用 DUMP 运算符验证关系 student_name_tokenize，如下所示。

grunt> Dump student_name_tokenize;

输出

它将产生以下输出，显示关系 student_name_tokenize 的内容，如下所示。

({(Rajaiv),(Reddy)})
({(siddarth),(Battacharya)})
({(Rajesh),(Khanna)})
({(Preethi),(Agarwal)})
({(Trupthi),(Mohanthy)})
({(Archana),(Mishra)})
({(Komal),(Nayak)})
({(Bharathi),(Nambiayar)})

其他分隔符

同样，包括空格 []，TOKENIZE() 函数接受双引号 [" "]、逗号 [ , ]、括号 [ () ]、星号 [ * ] 作为分隔符。

示例

假设有一个名为 details.txt 的文件，其中包含学生详细信息，例如 ID、姓名、年龄和城市。 在姓名列下，该文件包含学生的名字和姓氏，并用各种分隔符分隔，如下所示。

details.txt

001,"siddarth""Battacharya",22,Kolkata 
002,Rajesh*Khanna,22,Delhi 
003,(Preethi)(Agarwal),21,Pune 

我们已将此文件加载到 Pig 中，关系名称为 details，如下所示。

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

现在，尝试使用 TOKENIZE() 分隔学生的名字和姓氏，如下所示。

grunt> tokenize_data = foreach details Generate TOKENIZE(name);

使用转储运算符验证tokenize_data关系时，您将得到以下结果。

grunt> Dump tokenize_data;

({(siddarth),(Battacharya)})
({(Rajesh),(Khanna)})
({(Preethi),(Agarwal)})

apache_pig_eval_functions.html