将FILTER的正则表达式与Pig Latin(或一般的java)一起使用

Question

我正试图通过数据集中的一个字段进行解析。我正试图用标题中任何位置都包含括号"｛"的电影过滤掉所有元组。当我运行此程序时，我收到一个java错误，说我下面的不是有效的正则表达式。

raw_actors = LOAD 'hdfs:/user/XXX' USING org.apache.pig.piggybank.storage.CSVExcelStorage('t') AS (name:chararray,movie_data:chararray,role:chararray);
movie_actors = FILTER raw_actors BY NOT(movie_data MATCHES '.*{.*');

当我去掉表达式开头的.*时，它会运行，但没有任何内容被过滤掉。。。对于编写一个不关心给定字符前后内容的正则表达式，有什么建议吗？

Answer 1

在Java正则表达式中，{字符标记由名称表示的字符类的开始，例如{Alpha}。只使用Java，就可以用反斜杠字符（Java也要求对其进行转义）来转义大括号字符：\{。

根据Pig Latin Reference Manual，您应该为"MATCHES"运算符"使用Java格式进行正则表达式"，该运算符链接到描述正则表达式语法的Pattern的Javadoc。

这意味着您应该能够在"MATCHES"Pig拉丁运算符中直接应用转义。

movie_actors = FILTER raw_actors BY NOT(movie_data MATCHES '.*\{.*');