Hadoop/Pig正则表达式匹配

Question

这是一种奇怪的情况，但我正在寻找一种方法来使用类似MATCHES的方式进行过滤，但在未知模式（未知长度）的列表中进行过滤。

也就是说，如果给定的输入是两个文件，一个用数字答：

XXXX

YYYY

ZZZZ

zzyy

...等等。

而另一个模式B：

XX。*

YYY。*

...等...

我怎样才能筛选第一输入，所有在第二的模式？

如果我事先知道所有模式，我可以 A = FILTER A BY（num MATCHES'somepattern。*'OR num MATCHES'someotherpattern'....）;

问题是我之前并不知道它们，既然它们是模式而不是简单的字符串，我不能只使用连接/组（至少据我所知）。 也许是一个奇怪的嵌套FOREACH ...的东西？ 有什么想法吗？

Answer 1

如果您使用的|作为OR运行，您可以从各个模式中构建模式。

(xx.*|yyy.*|zzzz.*) 

这将检查它是否匹配任何模式。

编辑： 要创建合并的正则表达式模式：
*创建字符串(
*读取在每行开始（假设每一行是一个图案），并将它附加到字符串后面是|
*当读完行，删除最后一个字符（这将是一个不需要|）
*附加一个)

这将创建一个正则表达式来检查所有模式中输入文件。 （注意：假定文件包含有效模式）