如何在 Apache Pig 中查找包含大量单词的列是不是具有真实的电子邮件 ID？

Posted 2023-04-18

【中文标题】如何在 Apache Pig 中查找包含大量单词的列是不是具有真实的电子邮件 ID？

【英文标题】：How to find whether a column with lots of words has a genuine email id or not in Apache Pig?如何在 Apache Pig 中查找包含大量单词的列是否具有真实的电子邮件 ID？

【发布时间】：2017-01-23 20:05:53

【问题描述】：

我有一列有段落。这是一个 10000 行的列，我需要在其中找到哪一列具有真实的电子邮件 ID。我用过columnname matches '(.*)@(.*).(.*)'，它也给了我不需要的'@nelson' '.... @kumar...' 等输出。我只需要一个真实的电子邮件 ID。请让我知道如何使用 Apache Pig 代码在如此庞大的段落中找到它。

【参考方案1】：

由于 PIG 使用 Java 正则表达式 form，您可以使用类似这样的东西，它可以涵盖大多数情况。

columnname matches '^[A-Z0-9._%+-]+@[A-Z0-9.-]+\\.[A-Z]2,6$'

如果您需要更多表达式，一个简单的“java 电子邮件验证正则表达式”搜索应该会为您提供大量表达式来验证电子邮件地址。