如何使用Apache豬過濾器來查找「.PDF」

Question

我在HDFS文件/pigmix.txt其中有文件的不同格式的名單像.PDF，.DOC，.PPT等。我只想.PDF過濾。我怎樣才能使用Apache的豬過濾器功能呢？

Answer 1

您可以試試下面的過濾器命令？

輸入：

file1.txt 
file2.PDF 
file3.doc 
file4.ppt 
file5.pdf 

PigScript：

A = LOAD 'input' USING PigStorage() AS (filename:chararray); 
B = FILTER A BY filename matches '.*\\.(pdf|PDF)$'; 
DUMP B; 

輸出：

(file2.PDF) 
(file5.pdf)