Apache Pig - STRSPLITTOBAG()

此函式類似於 STRSPLIT() 函式。它根據給定的分隔符分割字串，並將結果返回到一個包中。

語法

下面給出 STRSPLITTOBAG() 的語法。此函式接受一個需要分割的字串、一個正則表示式以及一個指定限制的整數值（字串應分割成的子字串數量）。此函式解析字串，並在遇到給定的正則表示式時，將字串分割成 n 個子字串，其中 n 將是傳遞給 limit 的值。

grunt> STRSPLITTOBAG(string, regex, limit)

示例

假設在 HDFS 目錄 /pig_data/ 中有一個名為 emp.txt 的檔案，如下所示。此檔案包含員工詳細資訊，例如 id、姓名、年齡和城市。

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

並且，我們已使用名為 emp_data 的關係將此檔案載入到 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 STRSPLITTOBAG() 函式的示例。如果您觀察 emp.txt 檔案，您會發現，在 name 列中，我們使用分隔符 “_” 分隔了員工的姓名和姓氏。

在此示例中，我們嘗試分割員工的姓名和姓氏，並使用 STRSPLITTOBAG() 函式在包中獲取結果。

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

語句的結果將儲存在名為 strsplittobag_data 的關係中。使用 Dump 運算子驗證關係 strsplittobag_data 的內容，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)})