（五）hadoop路径读取文件的通配符

一、通配符

通配符	注解
*	代表0到多个字符
?	代表单一字符
[ ab ]	代表字符类型，匹配{a,b}中的一个字符
[ ^ab ]	代表不是｛a,b｝中的一个字符
[ a-b ]	代表匹配一个a到b之间的字符包括ab，ASCII代码在a-b之间的
[ ^a-b]	代表不在a到b之间的字符包括ab
{a,b}	代表匹配a或b的一个语句
\c	代表转义字符匹配原字符c

Demo

public class myHdfsGlobe {

public static void main(String[] args) throws IOException {
// TODO Auto-generated method stub
Configuration configuration = new Configuration();
FileSystem fileSystem = FileSystem.get(configuration);
FileStatus[] fileStatus = fileSystem.globStatus(new Path("/hello[0-9]"));
System.out.println(1);
for (FileStatus fileStatus1 : fileStatus) {
System.out.println("文件路径：" + fileStatus1.getPath());
System.out.println("块的大小：" + fileStatus1.getBlockSize());
System.out.println("文件所有者：" + fileStatus1.getOwner() + ":" + fileStatus1.getGroup());
System.out.println("文件权限：" + fileStatus1.getPermission());
System.out.println("文件长度：" + fileStatus1.getLen());
System.out.println("备份数：" + fileStatus1.getReplication());
System.out.println("修改时间：" + fileStatus1.getModificationTime());
}
}

}

二、PathFilter过滤

通配格式不是总能够精确地描述我们想要访问的文件集合。比如，使用通配格式排除一个特定的文件就不太可能。FileSystem中的listStatus()和globStatus()方法提供了可选的PathFilter对象，使我们能够通过编程方式控制匹配：

package org.apache.hadoop.fs;

public interface PathFilter {
boolean accept(Path path);
}

PathFilter与java.io.FileFilter一样，是Path对象而不是File对象。

展示了一个PathFilter，用于排除匹配一个正则表达式的路径：

public class RegexExcludePathFilter implements PathFilter {

private final String regex;

public RegexExcludePathFilter(String regex) {
this.regex = regex;
}

public boolean accept(Path path) {
return !path.toString().matches(regex);
}
}

这个过滤器只留下与正则表达式不同的文件。我们将它与预先剔除一些文件集合的通配配合：过滤器用来优化结果。例如：

fs.globStatus( new Path("/2007/*/*"),
new RegexExcludeFilter("^.*/2007/12/31$")
)