UDF樣本：擷取字串（含分隔字元）Value - MaxCompute

本文為您介紹如何分別通過Java UDF和Python UDF實現擷取索引值對字串中指定Key對應的Value值，其中Key或Value本身含有二級分隔字元。

命令說明

本樣本將註冊一個名稱為UDF_EXTRACT_KEY_VALUE_WITH_SPLIT的自訂函數，下面對命令格式和入參進行說明。

string UDF_EXTRACT_KEY_VALUE_WITH_SPLIT(string <s>, string <split1>, string <split2>, string <keyname>)

函數功能：在索引值對字串s中使用split1分割出索引值對後，再根據split2分割索引值對獲得鍵和值，最後返回鍵keyname對應的值。與擷取索引值對字串中指定Key的Value樣本主要的不同在於，該UDF適用於Key或者Value本身含有二級分隔字元的情況。
參數說明：
- s：源字串，STRING類型，必填。
- split1：通過split1分割出索引值對，STRING類型，必填。
- split2：對分割出來的索引值對使用split2進行分割，STRING類型，必填。
- keyname：待擷取值所對應的鍵名稱，STRING類型，必填。

開發和使用步驟

1. 代碼開發

Java UDF 程式碼範例

package com.aliyun.rewrite; //package名稱，可以根據您的情況定義。
import com.aliyun.odps.udf.UDF;

public class ExtractKeyValueWithSplit extends UDF{
    /**
     * 使用split1分割出索引值對後，再根據split2分割索引值對
     * @param str     源字串
     * @param split1  分割出索引值對的標識
     * @param split2  分割出key value的標識
     * @param keyname 目標key名稱
     * @return 目標value
     */
    public String evaluate(String str, String split1, String split2, String keyname) {
        if(str==null || split1==null || split2==null || keyname==null){
            return null;
        }
        try {
            // 將keyname和二級分割符組合
            String keySplit = keyname + split2;

            // 遍曆字串，先用split1進行索引值對分割。
            for(String subStr: str.split(split1)){
                // 匹配key+split2，擷取字串剩餘的value值
                if (subStr.startsWith(keySplit)){
                    return subStr.substring(keySplit.length());
                }
            }
        } catch (Exception e) {
            return null;
        }
        return null;
    }
}

使用Java語言編寫UDF代碼必須繼承UDF類，本例中evaluate方法定義了四個string類型的入參和string類型的傳回值，輸入參數和傳回值的資料類型將作為SQL語句中UDF的函數簽名Signature，其他代碼規範和要求請參考：UDF開發規範與通用流程（Java）。

Python3 UDF 程式碼範例

from odps.udf import annotate


@annotate("string,string,string,string->string")
class ExtractKeyValueWithSplit(object):
    def evaluate(self, s, split1, split2, keyname):
        if not s:
            return None
        key_split = keyname + split2
        # 遍曆字串，先用split1進行索引值對分割。
        for subStr in s.split(split1):
            # 匹配key+split2，擷取字串剩餘的value值
            if subStr.startswith(key_split):
                return subStr[len(key_split):]

MaxCompute預設使用Python 2，可以在Session層級使用命令set odps.sql.python.version=cp37開啟Python 3。更多 Python3 UDF規範請參考：UDF開發規範與通用流程（Python3）。

Python2 UDF 程式碼範例

#coding:utf-8
from odps.udf import annotate


@annotate("string,string,string,string->string")
class ExtractKeyValueWithSplit(object):
    def evaluate(self, s, split1, split2, keyname):
        if not s:
            return None
        key_split = keyname + split2
        # 遍曆字串，先用split1進行索引值對分割。
        for subStr in s.split(split1):
            # 匹配key+split2，擷取字串剩餘的value值
            if subStr.startswith(key_split):
                return subStr[len(key_split):]

當Python 2代碼中出現中文字元時，運行程式會報錯，必須在代碼頭部增加編碼聲明。固定聲明格式為#coding:utf-8或# -*- coding: utf-8 -*-，二者等效。更多 Python2 UDF規範請參考：UDF開發規範與通用流程（Python2）。

2. 上傳資源和註冊函數

完成UDF代碼開發和調試之後，將資源上傳至MaxCompute並註冊函數，本樣本註冊函數名：UDF_EXTRACT_KEY_VALUE_WITH_SPLIT。Java UDF上傳資源與註冊函數詳情步驟請參見：打包、上傳及註冊，Python UDF請參見：上傳及註冊。

3. 使用樣本

成功註冊UDF後，執行以下命令，從索引值對字串中擷取鍵為name的值，而name對應的value是包含分隔字元。

set odps.sql.python.version=cp37; -- python3 UDF需要使用該命令開啟python3
SELECT UDF_EXTRACT_KEY_VALUE_WITH_SPLIT('name:zhangsang:man;age:2;', ';', ':', 'name');

執行結果如下：

+--------------+
| _c0          |
+--------------+
| zhangsan:man |
+--------------+