加载错误配置单元的其他记录之间的字符串列表

Question

我被一个问题卡住了，真的需要帮助。

以下是我的数据集

"counter","qid","i","qs","qt","tags","qvc","qac","aid","j","as","at"
"1",563355,62701,0,1235000081,"php,error,gd,image-processing",220,2,563372,67183,2,1235000501
"2",563356,15842,10,1235000140,"lisp,scheme,clojure",1047,16,563358,15842,3,1235000177

所有列都用'，‘分隔，第六列是标签，这是一个由2到5个标签组成的列表，也用'，’分隔。我尝试创建带有字符串和字符串数组的表，这两种方法都给出了标签列表中的第一个值(在本例中是php和lisp)，其余的列都是null。

"1" 563355  62701   0   1235000081  "php    NULL    NULL    NULL    220 2   563372
"2" 563356  15842   10  1235000140  "lisp   NULL    NULL    NULL    1047    16  563358

所需输出：

"1" 563355  62701   0   1235000081  "php,error,gd,image-processing" 220 2   563372
"2" 563356  15842   10  1235000140  "lisp,scheme,clojure"   1047    16  563358

我做了一些研究，发现我可以编写一个REGEXSERDE模式来读取数据，我是新手，我不知道如何编写regex模式。除了正则表达式之外，还有其他方法吗？如果没有，有人能帮我写一个正则表达式模式吗？

提前谢谢你。

Answer 1

最简单的方法是使用其他分隔符进行更改

另一种方法是使用Open csv serde，它将帮助您做到这一点

Answer 2

您可以使用Hive外部表

create external table try3.tablename(
counter string,
qid int,
i int,
qs int,
qt int,
tags string,
qac int,
aid int )
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe'
WITH SERDEPROPERTIES (
  'input.regex' = '(.*?),(.*?),(.*?),(.*?),(.*?),(\".*\"),(.*?),(.*?),.*'
)
STORED AS TEXTFILE
LOCATION '/somelocation'