在Scala里面如何使用正则处理数据

正则在任何一门编程语言中，都是必不可少的一个模块，使用它来处理文本是非常方便的，尤其在处理在使用spark处理大数据的时候，做ETL需要各种清洗，判断，会了正则之后，我们可以非常轻松的面对各种复杂的处理，Scala里面的正则也比Java简化了许多，使用起来也必要简单，下面通过几个例子来展示下其用法：

/**
  * Created by QinDongLiang on 2017/1/5.
  */
object ScalaRegex {

  def main(args: Array[String]): Unit = {

    //例子一整个字符串匹配模式
    println("51".matches("""\d+"""))//true

    //例子二查询是否包含复合正则的模式
    println("""\d+""".r.findAllIn("foo456bar").length!=0)//true

    //例子三返回第一个匹配正则的字符串
    var numbers="""\d+""".r
    var str="foo 123 bar 456"
    println(numbers.findFirstIn(str))//Some(123)

    //例子四迭代所有匹配到的复合模式的字符串
    numbers.findAllMatchIn(str).foreach(println)// 123  456

    //例子五返回所有正则匹配作为一个List
    println(numbers.findAllMatchIn(str).toList)//List(123, 456)

    //例子六使用正则查询和替换
    var letters="""[a-zA-Z]+""".r
    var str2="foo123bar"
    println(letters.replaceAllIn(str2,"spark"))//spark123spark

    //例子七使用正则查询和替换使用一个函数
    println(letters.replaceAllIn(str,m=>m.toString().toUpperCase()))//FOO 123 BAR 456

    //例子八使用正则查询替换字符
    var exp="""##(\d+)##""".r
    var str8="foo##123##bar"
    //group 0 返回所有捕获，其他1...n分别返回第一个捕获，或第二个捕获，至第n个捕获
    println(exp.replaceAllIn(str8,m=>(m.group(0)).toString))//foo##123##bar
    println(exp.replaceAllIn(str8,m=>(m.group(1).toInt *2).toString))//foo246bar

    //例子九使用正则提取值进入一个变量里面
    val pattern="""(\d{4})-([0-9]{2})""".r

    val myString="2016-02"

    val pattern(year,month)=myString

    println(year)//2016
    println(month)//02

    //例子十在case match匹配中使用 正则
    val dataNoDay="2016-08"
    val dateWithDay="2016-08-20"

    val yearAndMonth = """(\d{4})-([01][0-9])""".r
    val yearMonthAndDay = """(\d{4})-([01][0-9])-([012][0-9])""".r

    dateWithDay match{
      case yearAndMonth(year,month) => println("no day provided")
      case yearMonthAndDay(year,month,day) => println(s"day provided: it is $day")
    }
    //day provided: it is 20

    //例子十一正则匹配忽略大小写

    val caseSensitivePattern = """foo\d+"""
    println("Foo123".matches(caseSensitivePattern))//false
    val caseInsensitivePattern = """(?i)foo\d+"""
    println("Foo123".matches(caseInsensitivePattern))//true

    //注意使用正则字符串三个双引号，不需要转义

  }

}

[b][color=green][size=large]
有什么问题可以扫码关注微信公众号：我是攻城师(woshigcs)，在后台留言咨询。
技术债不能欠，健康债更不能欠， 求道之路，与君同行。
[/size][/color][/b]
[img]http://dl2.iteye.com/upload/attachment/0104/9948/3214000f-5633-3c17-a3d7-83ebda9aebff.jpg[/img]