猪中的正则表达式匹配

使用 apache pig 和文本

hahahah.  my brother just didnt do anything wrong. He cheated on a test? no way!

我试图匹配“我哥哥只是没有做错任何事”。

理想情况下，我想匹配以“my Brother just”开头并以标点符号（句子结尾）或 EOL 结尾的任何内容。

查看 Pig 文档，然后按照 java.util.regex.Pattern 的链接，我想我应该能够使用

extrctd = FOREACH fltr GENERATE FLATTEN(EXTRACT(txt,'(my brother just .*\\p{Punct})')) as (txt:chararray);

但这似乎直到行尾都匹配。对于进行这场比赛有什么建议吗？我已经准备好拔掉我的头发了，拔掉我的头发，我的意思是切换到Python流

默认情况下量词是greedy http://www.regular-expressions.info/repeat.html#greedy。这意味着它们尽可能匹配。在这种情况下，您只想匹配第一个标点符号。换句话说，您希望尽可能少地匹配。

因此，为了解决您的问题，您应该通过添加一个来使量化器变得非贪婪?紧随其后：

my brother just .*?\\p{Punct}
                  ^
  

请注意，使用?这里与用作量词不同，它的意思是“匹配零或一”。