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:

A = load '...' AS (i​​d_person:int, name:chararray);

用于映射人员及其经验的第二个文件

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 (i​​d_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

使用 UDF 在 Pig 中解析 XML 文件

如何使用 pig 脚本解析 xml 元素节点?

解析 XML 并存储在 Hive 表中

使用 Pig 在 XPath 中进行嵌套解析

解析 PIG-XML 时出错

使用 Piggybank 使用 Pig 进行 XML 解析