如何使用 Pig 计算字母的数量，而不是单词的数量答案

【问题标题】：How to count the number of letters, not words using Pig如何使用 Pig 计算字母的数量，而不是单词的数量
【发布时间】：2016-08-13 19:03:55
【问题描述】：

大家，我找到了很多关于计数单词的例子，但找不到计数字母。我只是想把单词分成字母，然后数一数，但我的代码是错误的。有人可以帮我弄这个吗？非常感谢。这是我的代码：

A = load './in/*.txt';
B = FOREACH A GENERATE  FLATTEN(TOKENIZE(LOWER((chararray)$0))) as words;
C = FOREACH B GENERATE  FLATTEN(REGEX_EXTRACT_ALL(words, '([a-zA-Z])')) as letter;
D = group C by letter;
E = FOREACH D GENERATE COUNT(C), group;
DUMP E;

【问题讨论】：

标签： hadoop mapreduce apache-pig

【解决方案1】：

改变你的对应行如下：

C = foreach B generate flatten(TOKENIZE(REPLACE(words,'','|'), '|')) as letter;

我使用的技巧是用特殊字符（|）替换每个字母边界，然后用它作为分隔符进行标记。您还可以使用不常见的字符串序列代替特殊字符。

【讨论】：