6

使用 apache pig 和文本

hahahah.  my brother just didnt do anything wrong. He cheated on a test? no way!

我正在尝试匹配“我的兄弟只是没有做错任何事”。

理想情况下，我想匹配以“我的兄弟”开头并以标点符号（句末）或 EOL 结尾的任何内容。

查看 pig 文档，然后点击 java.util.regex.Pattern 的链接，我想我应该可以使用

extrctd = FOREACH fltr GENERATE FLATTEN(EXTRACT(txt,'(my brother just .*\\p{Punct})')) as (txt:chararray);

但这似乎一直匹配到行尾。对进行这场比赛有什么建议吗？我已经准备好拔头发了，拔我的头发，我的意思是切换到 python 流

4

3 回答 3

4

默认情况下，量词是贪婪的。这意味着它们尽可能匹配。在这种情况下，您只想匹配到第一个标点符号。换句话说，您希望尽可能少地匹配。

?因此，要解决您的问题，您应该通过在其后立即添加 a 来使 quanitifer 不贪心：

我的兄弟只是 .*?\\p{Punct}
                  ^

请注意，?此处的使用与用作量词不同，后者表示“匹配零或一”。

于 2010-07-19T21:08:15.797 回答
0

你有没有尝试过：.*(my brother just .*\\p{Punct})

看起来您的表达式希望该my brother部分成为字符串的开头，但在您的示例中，它位于字符串的中间，因此您必须考虑之前的所有内容my brother。

于 2010-07-19T21:07:06.717 回答
0

您正在匹配 .* 这是...一切...尝试 [az]* 仅匹配字母

于 2010-07-19T21:09:34.043 回答