Apache Pig中如何使用Replace函数

今天分享一个小案例，介绍下需求，判断某个网站的前缀，并给其打上特定的标签值：

一个java代码例子如下：


<pre name="code" class="java">
    public String  getTag(){
        //url文本
        String url="http://www.baidu.com.cn";
        //标签值
        String tags=null;
        if(url.startsWith("http://www.baidu")){
            tags="1";
        }else if(url.startsWith("http://www.dhx")){
            tags="2";
        }else{
            tags="0";
        }
        return url;
    }
</pre>

原来我的解决方法，是写了个UDF函数，来搞定，后来想了想使用UDF虽然比较灵活，但是侵入性比较强，过程比较繁琐，尤其是还得maven打成jar包，注册pig的udf函数，所以，便可以使用pig的replace的函数，来解决：

REPLACE函数用法：
REPLACE(str,regex,str2):
解释一下，三个参数
第一个是原始数据
第二个是匹配的正则 ，需要注意一些特殊字符需要转义， java中匹配任何字符的正则式时.*
第三个是替换后的内容


例子数据：


<pre name="code" class="java">
1,2,3
2,1,3
6,7,1
1,4,4
121,45,100
100,23,12
600,12,50
4,1,2
http://www.baidu.com,1,2
http://www.video.baidu.com,1,2
http://www.souhu.com.cn,1,2
http://www.dh.com,1,2
http://www.es.dh.com,1,2
http://www.baidu.com,1,2
http://www.baidu.com,1,2
</pre>


需求，将第一列等于1的和以http://www.baidu开头的内容，替换成对应的中文称呼：
pig脚本如下：


<pre name="code" class="java">
a = load '/test' using PigStorage(',');
--其他特殊字符需要转义 最后的.*代表，替换所有内容为指定内容
a = foreach a generate  REPLACE($0,'^http:\\/\\/www\\.baidu.*','百度') , $1 ;
--多次替换可执行多个foreach过滤
a = foreach a generate REPLACE($0,'^1$','一') , $1 ;

dump a;
</pre>


执行结果如下：

<pre name="code" class="java">
(一,2)
(2,1)
(6,7)
(一,4)
(121,45)
(100,23)
(600,12)
(4,1)
(百度,1)
(http://www.video.baidu.com,1)
(http://www.souhu.com.cn,1)
(http://www.dh.com,1)
(http://www.es.dh.com,1)
(百度,1)
(百度,1)
</pre>


这种方式，适合逻辑不是特别复杂的情况下使用，总体来看，比较简单方便易懂



最后欢迎大家扫码关注微信公众号：我是攻城师(woshigcs)，我们一起学习，进步和交流!（woshigcs）
本公众号的内容是有关搜索和大数据技术和互联网等方面内容的分享，也是一个温馨的技术互动交流的小家园，有什么问题随时都可以留言，欢迎大家来访！