Apache Pig TOKENIZE()函數(shù)

Pig Latin的 TOKENIZE() 函數(shù)用于在單個(gè)元組中分割字符串（其中包含一組字），并返回包含拆分操作輸出的包。

語(yǔ)法

下面給出了 TOKENIZE() 函數(shù)的語(yǔ)法。

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

作為 TOKENIZE() 函數(shù)的分隔符，我們可以傳遞空格[]，雙引號(hào)[“"]，逗號(hào) [,]，括號(hào)[()]，星號(hào)[*]。

例

假設(shè)在HDFS目錄 /pig_data/ 中有一個(gè)名為 student_details.txt 的文件，如下所示。此文件包含學(xué)生的詳細(xì)信息，如id，姓名，年齡和城市。如果我們仔細(xì)觀察，學(xué)生的姓名包括用空格[]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 

通過關(guān)系 student_details 將此文件加載到的Pig中，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);

拆分字符串

我們可以使用 TOKENIZE() 函數(shù)拆分字符串。作為示例，讓我們使用此函數(shù)分割名稱，如下所示。

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

驗(yàn)證

使用 DUMP 運(yùn)算符驗(yàn)證關(guān)系 student_name_tokenize ，如下所示。

grunt> Dump student_name_tokenize;

輸出

它將產(chǎn)生以下輸出，顯示關(guān)系 student_name_tokenize 的內(nèi)容如下。

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

其他分隔符

以同樣的方式，TOKENIZE（）函數(shù)接受空格[]，雙引號(hào)[“"]，逗號(hào)[,]，括號(hào)[()]，星號(hào)[*]作為分隔符。

例

假設(shè)有一個(gè)名為 details.txt 的文件，其中包含學(xué)生的詳細(xì)信息，如id，name，age和city。在名稱列下，此文件包含由各種分隔符分隔的學(xué)生的名字和姓氏，如下所示。

details.txt

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

使用關(guān)系 details 將此文件加載到Pig中，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);

現(xiàn)在，嘗試使用TOKENIZE()分隔學(xué)生的名字和姓氏如下。

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

在使用dump運(yùn)算符驗(yàn)證 tokenize_data 關(guān)系時(shí)，將獲得以下結(jié)果。

grunt> Dump tokenize_data;

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