我想過濾文件數據到每個日期的好的和壞的數據,因此會得到2個結果文件。從測試文件中,前4行需要輸入正確的數據,並且在錯誤的數據中輸入2行。火花過濾與正則表達式
我有2個問題
- 我沒有得到任何好數據,結果文件是空
和壞數據的結果看起來像下面 - 拿起名稱的字符只有
( ,C,H) (,J,U) (,T,H) (,J,O) (N,E) (,B,I)
測試文件
Christopher|Jan 11, 2017|5
Justin|11 Jan, 2017|5
Thomas|6/17/2017|5
John|11-08-2017|5
Neli|2016|5
Bilu||5
加載和RDD
scala> val file = sc.textFile("test/data.txt")
scala> val fileRDD = file.map(x => x.split("|"))
正則表達式
scala> val singleReg = """(\w(3))\s(\d+)(,)\s(\d(4))|(\d+)\s(\w(3))(,)\s(\d(4))|(\d+)(\/)(\d+)(\/)(\d(4))|(\d+)(-)(\d+)(-)(\d(4))""".r
是在beginni三「(雙引號) ng和end和.r在這裏很重要?
過濾 問題區域
scala> val validSingleRecords = fileRDD.filter(x => (singleReg.pattern.matcher(x(1)).matches))
scala> val badSingleRecords = fileRDD.filter(x => !(singleReg.pattern.matcher(x(1)).matches))
開啓數組轉換爲字符串
scala> val validSingle = validSingleRecords.map(x => (x(0),x(1),x(2)))
scala> val badSingle = badSingleRecords.map(x => (x(0),x(1),x(2)))
寫文件
scala> validSingle.repartition(1).saveAsTextFile("data/singValid")
scala> badSingle.repartition(1).saveAsTextFile("data/singBad")
更新1 我上面的正則表達式是錯誤的,我已經更新爲。在階反斜槓是一個轉義字符,所以需要複製
val singleReg = """\\w{3}\\s\\d+,\\s\\d{4}|\\d+\\s\\w{3},\\s\\d{4}|\\d+\/\\d+\/\\d{4}|\\d+-\\d+-\\d{4}""".r
經過正則表達式上regex101並且在第一4行的日期通過。
我再次運行測試,我仍然得到相同的結果。
能否請您提了好的和壞的數據預期的輸出? – himanshuIIITian
根據正則表達式,前4行需要輸入正確的數據,最後2行輸入錯誤的數據。 –
你爲什麼認爲你的REGEX匹配前4行?你認爲'\ w(3)'?沒有大括號的情況下,出現次數肯定不是3次。您的字面與'3'匹配您可以在線測試REGEX,例如這裏https://regex101.com/ – AKSW