首页 > 代码库 > hivepython 同时读入python 且python脚本中处理外部文件txt
hivepython 同时读入python 且python脚本中处理外部文件txt
找出表test_gid2中每个gid的安装列表中含有文件pkgs中的pkg名字的数据行。
pkgs文件要与python脚本放在一个路径下。
用 transform 的传入数据的时候,不管原文件分隔符是什么样的,在python里面处理都是用“\t”来处理。
test_gid2表包含的字段为:gid,phone_model,usertags,installed_applist
tes4.py脚本内容:
import codecs
import os
import re
import sys
lt1=[ ]
f1=codecs.open(‘pkgs.txt‘,‘r‘,‘utf-8‘)
for i in f1.readlines():
line=i.strip()
lt1.append(line)
f1.close()
for lines in sys.stdin:
arr=lines.strip().split(‘\t‘)
pkgs=re.split(";|,",arr[-1])
for j in lt1:
if j in pkgs:
print ‘\t‘.join(arr)
break #避免重复读入数据,一旦有了匹配上的pkg就退出这次循环,去匹配下一行数据
注意:add 两个文件到hive中,一个是 py脚本,test4.py 一个是文本文件 pkgs.txt
sql脚本:
select TRANSFORM(gid,phone_model,usertags,installed_applist)
USING ‘python test4.py‘
as (gid,phone_model,usertags,installed_applist)
from test_gid2 ;
=================
pkgs.txt 文件内容格式,一行一个pkgname:
com.tencent.mm
com.tencent.mobileqq
cn.testin.allintest
hivepython 同时读入python 且python脚本中处理外部文件txt
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。