UDF樣本：擷取字串（不含分隔字元）Value - MaxCompute

本文為您介紹如何分別通過Java UDF和Python UDF實現擷取不包含分隔字元的索引值對字串中指定Key對應的Value值。

命令說明

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

命令格式：

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

命令功能：
在字串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。
說明
該UDF不適用於字串本身包含分隔字元的情況，如果需要處理該情況請使用擷取字串（含分隔字元）Value樣本。

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;

import java.util.HashMap;
import java.util.Map;

public class ExtractKeyValue extends UDF{
    private static final int KEY_VALUE_LENGTH = 2;

    /**
     * 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) {
        try {
            // 通過split1分割出索引值對
            if (str == null || "".equals(str)) {
                return null;
            }
            Map<String, String> keyValueCache = new HashMap<>(8);
            String[] extractedKeyValues = str.split(split1);

            // 對分割出來的索引值對使用split2進行進一步分割
            for (String keyValue : extractedKeyValues) {
                storeKeyValue(keyValueCache, keyValue, split2);
            }

            // 擷取目標key的value
            return keyValueCache.get(keyname);
        } catch (Exception e) {
            return null;
        }
    }

    /**
     * 使用split對索引值對進行分割，將分割後的結果緩衝到keyValueCache中
     *
     * @param keyValueCache 分割後的索引值對緩衝
     * @param keyValue      待分割的索引值對
     * @param split         分割符
     */
    private void storeKeyValue(Map<String, String> keyValueCache, String keyValue, String split) {
        if (keyValue == null || "".equals(keyValue)) {
            return;
        }
        String[] keyValueArr = keyValue.split(split);
        if (keyValueArr.length == KEY_VALUE_LENGTH) {
            keyValueCache.put(keyValueArr[0], keyValueArr[1]);
        }
    }
}

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 ExtractKeyValue(object):
    def evaluate(self, s, split1, split2, keyname):
        if not s:
            return None
        # 使用 split1 分割出索引值對，再使用split2分割
        key_value_cache = dict(kv.split(split2) for kv in s.split(split1) if kv)
        # 擷取目標 key 的 value
        return key_value_cache.get(keyname)

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 ExtractKeyValue(object):
    def evaluate(self, s, split1, split2, keyname):
        if not s:
            return None
        # 使用 split1 分割出索引值對，再使用split2分割
        key_value_cache = dict(kv.split(split2) for kv in s.split(split1) if kv)
        # 擷取目標 key 的 value
        return key_value_cache.get(keyname)

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。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。

set odps.sql.python.version=cp37; -- python3 UDF需要使用該命令開啟python3
SELECT UDF_EXTRACT_KEY_VALUE('name:zhangsan;age:21;',';',':','name');

執行結果如下：

+----------+
| _c0      |
+----------+
| zhangsan |
+----------+