1
用滚烫的,我需要:烫伤:两两比较字符串?
- 由前3个字符
- 比较使用
edit-distance
指标(http://en.wikipedia.org/wiki/Edit_distance) - 写在CSV文件会导致在每一个组中的所有对字符串,其中记录
string; string; distance
组字符串字段
要我使用map
组字符串和groupBy
如下面的例子:
import cascading.tuple.Fields
import com.twitter.scalding._
class Scan(args: Args) extends Job(args) {
val output = TextLine("tmp/out.txt")
val wordsList = List(
("aaaa"),
("aaabb"),
("aabbcc"),
("aaabccdd"),
("aaabbccdde"),
("aaabbddd"),
("bbbb"),
("bbbaaa"),
("bbaaabb"),
("bbbcccc"),
("bbbddde"),
("ccccc"),
("cccaaa"),
("ccccaabbb"),
("ccbbbddd"),
("cdddeee")
)
val orderedPipe =
IterableSource[(String)](wordsList, ('word))
.map('word -> 'key){word:String => word.take(3)}
.groupBy('key) {_.toList[String]('word -> 'x) }
.debug
.write(output)
}
结果我得到:现在
['aaa', 'List(aaabbddd, aaabbccdde, aaabccdd, aaabb, aaaa)']
['aab', 'List(aabbcc)']
['bba', 'List(bbaaabb)']
['bbb', 'List(bbbddde, bbbcccc, bbbaaa, bbbb)']
['ccb', 'List(ccbbbddd)']
['ccc', 'List(ccccaabbb, cccaaa, ccccc)']
['cdd', 'List(cdddeee)']
,在这个例子中,我需要comute字符串编辑距离,在此列表aaa
键:
List(aaabbddd, aaabbccdde, aaabccdd, aaabb, aaaa)
下一步所有在此列表中带有'bbb'键的字符串:
List(bbbddde, bbbcccc, bbbaaa, bbbb)
等
要计算每个组中所有字符串之间的编辑距离,我需要用我自己的函数替换toList
,我该怎么做?还有我该如何将我的功能结果写入CSV文件?
谢谢!
更新
如何烫伤Pipe
得到List
?
toList
刚刚返回另一个Pipe
,所以我不能使用它:
val orderedPipe =
IterableSource[(String)](wordsList, ('word))
.map('word -> 'key){word:String => word.take(3)}
.groupBy('key) {_.toList[String]('word -> 'x) }
.combinations(2) //---ERROR! Pipe has no such method!
.debug
.write(output)
谢谢!不幸的是我不能在Scalding'Pipe'类型上使用'组合',这种方法。请参阅我的问题更新。 – DarqMoth
您应该在已经生成的字符串列表上应用组合。 –
到目前为止,我无法生成一个字符串列表。管道函数'toList'返回另一个不是列表的管道 – DarqMoth