Hadoop/Pig正则表达式匹配
这是一种奇怪的情况，但我正在寻找一种使用 MATCHES 之类的东西进行过滤的方法，但在未知模式（未知长度）列表上。
也就是说，如果给定的输入是两个文件，一个带有数字 A:
xxxx
yyyy
zzzz
zzyy
...etc...
另一个带有模式 B:
xx.*
yyy.*
...etc...
我该如何做通过第二个输入中的所有模式过滤第一个输入？
如果我事先知道所有模式，我就可以 A = FILTER A BY (num MATCHES 'somepattern.*' OR num MATCHES 'someotherpattern'....);
问题是我事先不知道它们，并且由于它们是模式而不是简单的字符串，所以我不能只使用连接/组（至少据我所知）。 也许是一个奇怪的嵌套 FOREACH...东西？ 有什么想法吗？
This is kind of an odd situation, but I'm looking for a way to filter using something like MATCHES but on a list of unknown patterns (of unknown length).
That is, if the given input is two files, one with numbers A:
xxxx
yyyy
zzzz
zzyy
...etc...
And the other with patterns B:
xx.*
yyy.*
...etc...
How can I filter the first input, by all of the patterns in the second?
If I knew all the patterns beforehand, I could
A = FILTER A BY (num MATCHES 'somepattern.*' OR num MATCHES 'someotherpattern'....);
The problem is that I don't know them beforehand, and since they're patterns and not simple strings, I cannot just use joins/groups (at least as far as I can tell).
Maybe a strange nested FOREACH...thing?
Any ideas at all?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
如果您使用作为
OR运行的|，您可以从各个模式构造出一个模式。这将检查它是否与任何模式匹配。
编辑：
要创建组合的正则表达式模式：
* 创建一个以
(开头的字符串
* 读入每一行（假设每一行都是一个模式）并将其附加到后跟
|的字符串中
* 读完行后，删除最后一个字符（这将是不需要的
|）* 附加
)这将创建一个正则表达式模式来检查输入文件中的所有模式。 （注意：假设该文件包含有效模式）
If you use the
|which operates as anORyou can construct a pattern out of the individual patterns.This will do a check to see if it matches any of the patterns.
Edit:
To create the combined regex pattern:
* Create a string starting with
(* Read in each line (assuming each line is a pattern) and append it to a string followed by a
|* When done reading lines, remove the last character (which will be an unneeded
|)* Append a
)This will create a regex pattern to check all the patterns in the input file. (Note: It's assumed the file contains valid patterns)