Hadoop/Pig正則表達式匹配

Question

這是一種奇怪的情況，但我正在尋找一種方法來使用類似MATCHES的方式進行過濾，但在未知模式（未知長度）的列表中進行過濾。

也就是說，如果給定的輸入是兩個文件，一個用數字答：

XXXX

YYYY

ZZZZ

zzyy

...等等。

而另一個模式B：

XX。*

YYY。*

...等...

我怎樣才能篩選第一輸入，所有在第二的模式？

如果我事先知道所有模式，我可以 A = FILTER A BY（num MATCHES'somepattern。*'OR num MATCHES'someotherpattern'....）;

問題是我之前並不知道它們，既然它們是模式而不是簡單的字符串，我不能只使用連接/組（至少據我所知）。 也許是一個奇怪的嵌套FOREACH ...的東西？ 有什麼想法嗎？

Answer 1

如果您使用的|作爲OR運行，您可以從各個模式中構建模式。

(xx.*|yyy.*|zzzz.*) 

這將檢查它是否匹配任何模式。

編輯： 要創建合併的正則表達式模式：
*創建字符串(
*讀取在每行開始（假設每一行是一個圖案），並將它附加到字符串後面是|
*當讀完行，刪除最後一個字符（這將是一個不需要|）
*附加一個)

這將創建一個正則表達式來檢查所有模式中輸入文件。 （注意：假定文件包含有效模式）