Q

如何讀取.doc或.docx文件

apache-pig

2013-08-26 151 views -1 likes

-1

如何使用Apache豬拉丁編程用來閱讀the.doc文件地圖減少如何讀取.doc或.docx文件

A =負載「./pig/test.docx」; B = foreach生成扁平（TextLoader（（chararray）$ 0））作爲單詞;

C =組字B;

D = foreach C生成COUNT（B），組;

將D存儲到'./wordcountone';

2013-08-26 user2717700

+1

如果你真的只是在做這樣的事情字計數興趣，並不需要所有的Word文件的額外固有的標記，最好的解決辦法幾乎肯定會找到一個軟件將它們轉換爲純文本文件。 –

A

回答

0

您需要爲您的豬腳本創建自定義加載函數。首先用java解析簡單的.doc或.docx，一些例子可以在這裏找到：How read Doc or Docx file in java?但我相信你會在google上發現更多。

一旦您知道如何從Word文檔獲取數據，您需要實現豬功能。

定製豬裝載機的示例（一步一步），可以發現here

2013-08-26 11:00:24 Kris

相關問題