用PigLatin將「3」轉換爲3

Question

我讀取一個csv文件，其中包含帶有這樣的數字的字段：「3」。 我可以使用PigLatin將此字段從「3」轉換爲3嗎？我需要它使用SUM（）函數。

感謝您的幫助！

Answer 1

TOKENIZE函數將拆分被認爲是字分隔符的各種字符的字符串，其中之一是引號。所以，如果你將標記爲「3」的標記爲中間項目，應該只是3.

Answer 2

你可以編寫一個UDF來清除它周圍的引號或者使用JacobM的方法。

但是，之後，您應該將chararray '3'投射到int：(int)$1或(int)myvalue。這樣你可以使用sum。

http://pig.apache.org/docs/r0.5.0/piglatin_reference.html#Cast+Operators

Answer 3

什麼只是去掉"與REPLACE？

例如：

data = 
    LOAD 'data.txt' AS (num:CHARARRAY); 

numbers = 
    FOREACH data 
    GENERATE 
     (INT) REPLACE(num, '\\"', ''); 

然後你可以GROUP和SUM。

一個優點是您可以將返回的字符串直接轉換爲數字（無需處理行李）。 REGEX_EXTRACT也可以用來做同樣的事情。