如何使用apache pig filter找到＆＃39; .PDF＆＃39;

Question

我在HDFS中有一个文件/pigmix.txt，其中包含不同格式的文件列表，例如.PDF，.DOC，.PPT等。我只想过滤{{ 1}}。我怎样才能使用apache pig filter功能呢？

Answer 1

您可以尝试以下过滤器命令吗？

<强>输入

file1.txt
file2.PDF
file3.doc
file4.ppt
file5.pdf

<强> PigScript：

A = LOAD 'input' USING PigStorage() AS (filename:chararray);
B = FILTER A BY filename matches '.*\\.(pdf|PDF)$';
DUMP B;

<强>输出：

(file2.PDF)
(file5.pdf)