hadoop - 如何计算字母的数量，而不是使用 Pig 的单词

Question

各位， 我找到了很多关于计数词的例子，但找不到计数字母。我只是想把单词拆分成字母，然后数一数，但是我的代码是错误的。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;

Answer 1

改变你对应的行如下:

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，然后将其标记为分隔符。您也可以使用不常见的字符串序列来代替特殊字符。