替换带引号字符串中的字符

h5qlskok 于 2021-06-25 发布在 Pig

关注(0)|答案(4)|浏览(455)

作为我项目的一部分，我有一个csv文件，它有逗号分隔的值。但很少有字段用引号括起来。因此，数据加载不正确。例如：如果数据是==>>车，鹿，“熊，猫”
在上面的例子中，理想情况下应该有3列。但由于rat和mat之间存在逗号，因此它被视为4列。“老鼠，垫子”这个字段不是用棍棒固定的，被认为是一个单独的字段。
请说明pig中是否有处理此类情况的方法

Java apache-pig

来源：https://stackoverflow.com/questions/27309232/replacing-characters-inside-the-quoted-string

4条答案

按热度按时间

c9x0cxw01#

你能试试这个吗？
输入.csv

car,deer,"bear,cat"
car,deer,"bear,cat"

pigscript:输出格式1:

A = LOAD 'input.csv' AS line;
B = FOREACH A GENERATE FLATTEN(REGEX_EXTRACT_ALL(line,'(\\w+),(\\w+),(.*)$')) AS (col1:chararray,col2:chararray,col3:chararray);
DUMP B;

输出：

(car,deer,"bear,cat")
(car,deer,"bear,cat")

pigscript输出格式2：

A = LOAD 'input.csv' AS line;
B = FOREACH A GENERATE FLATTEN(REGEX_EXTRACT_ALL(line,'(\\w+),(\\w+),"(\\w+),(.*)"$')) AS (col1:chararray,col2:chararray,col3:chararray,col4:chararray);
DUMP B;

输出：

(car,deer,bear,cat)
(car,deer,bear,cat)

赞(0）回复(0）举报 2021-06-26

jw5wzhpr2#

public static void main(String[] args) {
        // TODO code application logic here
        String str = "c,b,\"c,d\"";
        System.out.println(str);
           if(str.contains("\"")){
              str= str.replaceAll("\"", " ");
              //System.out.println(str);
              str = str.replaceAll(" ", "");
              System.out.println(str);

           }
    }