如何从Pig上的文本中提取所有匹配项

Question

我有这样的元组：{title: chararray, textWithLinks: chararray}

示例：(Title1, some text [[link]] some text [[link]] some text... )

我需要从文本中提取所有链接并获取元组： (Title,(link1, link2, link3...))

我该怎么做？ RegexExtract或RegexExtractAll只提取一个或几个链接，但不是全部。

Answer 1

创建自定义UDF，它将提取链接并使用它们返回DataBag。 由于UDF是任何扩展EvalFunc的自定义Java代码，因此您可以执行任何想要提取这些链接的内容