如何在Apache Pig中查找包含大量單詞的列是否有真正的電子郵件ID？

Question

我有一個有段落的列。這是一個10000行的列，我需要找到哪個列有真正的電子郵件ID。我用columnname matches '(.*)@(.*).(.*)'，這也給我輸出像'@nelson' '.... @kumar...'等我不需要。我只需要一個真正的電子郵件ID。請讓我知道如何使用Apache Pig代碼在如此巨大的段落中找到它。

謝謝:)

Answer 1

因爲PIG使用Java正則表達式form你可以使用這樣的事情，這將覆蓋大多數情況下。

columnname matches '^[A-Z0-9._%+-]+@[A-Z0-9.-]+\\.[A-Z]{2,6}$' 

如果你想要更多的表情，一句簡單的「Java電子郵件驗證正則表達式」搜索應該爲您提供的表達式的大量驗證的電子郵件地址。