Pig - 解析 XML 文件
Posted
技术标签:
【中文标题】Pig - 解析 XML 文件【英文标题】:Pig - Parsing an XML file 【发布时间】:2013-06-24 09:00:24 【问题描述】:我想在 pig 中解析这样的 XML 文件:
<person>
<name>person1</name>
<exp>blablabla</exp>
<exp>blablabla</exp>
</person>
<person>
<name>person2</name>
<exp>blablabla</exp>
<exp>blablabla</exp>
<exp>blablabla</exp>
</person>
我已经写了一个 JAVA 程序,它会产生这个输出:
第一个文件,其中包含人名与其 ID 之间的映射:1,person1
2,person2
然后我可以使用这个 pig 命令将文件加载到变量中:
用于映射人员及其经验的第二个文件A = load '...' AS (id_person:int, name:chararray);
1,1,blablabla
1,2,blablabla
2,1,blablabla
2,2,blablabla
2,3,blablabla
我以这种方式加载文件:
B = load '...' AS (id_person:int, id_exp:int, text:chararray);
我想做同样的事情,但只使用猪。有可能吗?
谢谢
【问题讨论】:
【参考方案1】:您可以使用 Piggybank 的 org.apache.pig.piggybank.storage.XMLLoader 来加载 xml 数据。我不确定我是否了解您想要实现的目标。如果输出中的数字与包中的位置相关(第二个文件中的 ids 和第二个字段),那么您可以使用 datafu 的包函数 Enumerate ( datafu.pig.bags.Enumerate ) 枚举包中的元素然后生成并存储它们。
【讨论】:
无法在任何地方找到 piggybank.jar。你能提供一个 maven 存储库的 URL 吗? 刚刚发现cwiki.apache.org/confluence/display/PIG/PiggyBank上的“存钱罐是Pig用户分享功能的地方”以上是关于Pig - 解析 XML 文件的主要内容,如果未能解决你的问题,请参考以下文章