Pig - 解析 XML 文件

Posted 2023-04-13

【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

【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”