scala:处理元组,其中元组的第二个元素是一个字符串数组

Question

我有一个rdd,RDD的结构如下:

org.apache.spark.rdd.RDD[(String, Array[String])] = MappedRDD[40] at map at <console>:14

这x.take(1)看起来像:

Array[(String, Array[String])] = Array((8239427349237423,Array(122641|2|2|1|1421990315711|38|6487985623452037|684|, 1229|2|1|1|1411349089424|87|462966136107937|1568|.....))

对于数组中的每个字符串,我想用"|"拆分 并获取第6项并使用元组的第一个元素返回它,如下所示:

8239427349237423-6487985623452037
8239427349237423-4629661361079371

我开始如下:

  def getValues(lines: Array[String]) {
    for(line <- lines) {
      line.split("|")(6)
    }

我也试过以下:

val b= x.map(a => (a._1, a._2.flatMap(y => y.split("|")(6))))

但最终给了我以下内容:

Array[(String, Array[Char])] = Array((8239427349237423,Array(1, 2, 4, |, 9, |, 4, 1, 7, 6, |, 2, 9, 2, 7, 2, |, 7, |,....)))

Answer 1

如果你想要整体做到这一点,x你可以使用flatMap:

def getValues(x: Array[(String, Array[String])]) =
  x flatMap (line => line._2 map (line._1 + "-" + _.split("\\|")(6)))

或者,也许更清楚一点,理解:

def getValues(x: Array[(String, Array[String])]) = 
  for {
    (fst, snd) <- x
    line <- snd
  } yield fst + "-" + line.split("\\|")(6)

你必须split使用"\\|"参数调用,因为它采用正则表达式并且|是一个特殊符号,因此你需要转义它.(编辑:或者您可以使用'|'(a Char),如@BenReich所建议的那样)

要回答您的评论,您可以修改getValues以将单个元素x作为参数:

def getValues(item: (String, Array[String])) =
  item._2 map (item._1 + "-" + _.split('|')(6))

然后用它来调用它

x flatMap getValues