Pig脚本正则表达式筛选：排除以‘-单个数字’结尾的字符串

没问题，我来帮你搞定这个Pig脚本里的正则筛选需求！核心思路是排除所有以“-单个数字”结尾的字符串，反过来就得到我们要保留的内容。

先明确匹配规则 #

先给你理清楚哪些是要保留的，哪些是要排除的：

• 🔹 匹配项（需要保留的字符串）：
  • "abc"（无后缀）
  • "def-xyz"（后缀是字母，不是单个数字）
  • "ghi-123"（后缀是-三位数字，不是单个）
  • "jkl-"（只有减号，没有数字）
• 🔸 不匹配项（需要排除的字符串）：
  • "mno-5"（结尾是-单个数字）
  • "pqr-9"（结尾是-单个数字）
  • "stu-0"（结尾是-单个数字）

Pig脚本实现步骤 #

假设你已经加载了包含目标字符串的数据集，我们用FILTER结合正则表达式来实现筛选：

1. 首先加载数据（示例中假设数据文件每行一个字符串）：

raw_data = LOAD 'your_data_file.txt' AS (target_str: chararray);

2. 执行筛选逻辑：

filtered_data = FILTER raw_data BY NOT (target_str MATCHES '.*-\\d$');

正则表达式解释 #

这里的正则.*-\\d$是关键，拆解一下：

• .*：匹配任意字符（除换行）任意次数，覆盖字符串开头到减号前的部分
• -：匹配字面量的减号
• \\d：匹配单个阿拉伯数字（0-9）——注意Pig里字符串的反斜杠需要转义，所以写两个\\
• $：锚定到字符串结尾，确保减号和数字是最后一部分

加上NOT之后，就会保留所有**不满足“-单个数字结尾”**的字符串，正好符合你的需求。

额外注意点 #

• 如果你的字符串可能包含特殊字符（比如转义字符），可以根据实际情况调整正则，但这个写法覆盖了绝大多数常规场景
• 要是需要支持多语言数字（比如中文数字），那得把\\d换成更宽泛的字符集，但一般业务场景下用\\d就足够了

内容的提问来源于stack exchange，提问作者Olivia