特定字符串之后的Apache-pig数字提取

Question

我有一个带有10,1900行的文件，其中包括分隔符为5('|'([显然是6列]，我在第六列中有语句，例如"删除12(0.01％(("！我渴望在括号内掉落后提取数字；

实际 - 掉落12(0.01％(

预期-0.01

我需要使用Apache Pig的解决方案。

Answer 1

您正在寻找REGEX_EXTRACT函数。

假设您的表格A看起来像：

+--------------------+
|        col1        |
+--------------------+
| Dropped 12 (0.01%) |
| Dropped 24 (0.02%) |
+--------------------+

您可以在括号中提取以下数字：

B = FOREACH A GENERATE REGEX_EXTRACT(col6, '.*\((.*)%\)', 1);
+---------+
| percent |
+---------+
| 0.01    |
| 0.02    |
+---------+

我正在为(和%)之间的任何字符指定一个正则捕获组。请注意，我正在使用\作为逃生字符，以便我匹配开口和关闭括号。