遍歷字段在豬

Question

我有數據如下：

(000001, mfp=621|mdus=4.0|mduc=5.0|mas=1|mpc=4.0|mfn=1|country=ABC) 
(00002, address=1000+mity|mus=1|name=kailtig+bksyt|mas=1|mpc=4.977552|country=ABC) 

第一場是一個標識符，而第二字段包含的一組屬性。屬性字段不一致，即它有時可能包含地址屬性，有時不包含。

我所要做的就是爲每個標識，我一定要找到，如果該屬性字段包含地址和/一個又一個國家或沒有，有我的輸出如下：

000001, ,country=ABC 
00002,address=105000+myCity,country=ABC 

我是新來的豬並沒有太多的想法。但是，我在想什麼了，

1. 通過拆分屬性字段創建一個元組，
2. 迭代在每個字段中的元組，並檢查它是否匹配地址
   1. 如果匹配，其輸出。
3. 是否匹配檢查國家
   1. 如果匹配，其輸出

我想問的是，如果有任何的方式來遍歷元組的領域？或者任何其他方式來解決這個任務。

謝謝。

Answer 1

使用正則表達式來提取所需的字段。你也可以編寫一個UDF來將你的結構轉換成一張地圖，但在這種情況下這可能是矯枉過正的。

DUMP A; 
(000001, mfp=621|mdus=4.0|mduc=5.0|mas=1|mpc=4.0|mfn=1|country=ABC) 
(00002, address=1000+mity|mus=1|name=kailtig+bksyt|mas=1|mpc=4.977552|country=ABC) 
DESCRIBE A; 
{(id:chararray, attributes:chararray)} 

B = 
    FOREACH A 
    GENERATE 
     id, 
     REGEX_EXTRACT(attributes, 'address=[^|]+', 0), 
     REGEX_EXTRACT(attributes, 'country=[^|]+', 0); 

參見REGEX_EXTRACThere。