根據正則表達式模式匹配scala匹配字符串

Question

我寫了以下正則表達式：

val reg = ".+([A-Z_].+).(\\d{4})_(\\d{2})_(\\d{2})_(\\d{2})\\.orc".r 

應該解析以下字符串：“ S3 // bucket // TS11_YREDED.2018_09_28_02.orc”的解析方法是：

val dataExtraction: String => Map[String, String] = {
  string: String => {
    string match {
      case reg(filename, year, month, day) =>
                 Map(FILE_NAME-> filename, YEAR -> year, MONTH -> month, DAY -> day)
      case _  => Map(FILE_NAME-> filename,YEAR -> "", MONTH -> "", DAY -> "")
    }
  }
}
val YEAR = "YEAR"
val MONTH = "MONTH"
val DAY = "DAY"
val FILE_NAME = "FILE_NAME"

但是它不能正常工作，應該忽略存儲桶名稱並解析文件名和日期

所以預期的輸出應該是：Map（FILE_NAME-> TS11_YREDED，YEAR->，MONTH-> 09，DAY-> 28）請問如何解決它？

Answer 1

.+模式部分首先匹配整個字符串，而([A-Z_].+)僅捕獲要由后續模式捕獲並匹配的內容。

您可以使用

"""(?:.*/)?(.*)\.(\d{4})_(\d{2})_(\d{2})_\d{2}\.orc""".r

觀看此正則表達式演示

請注意，必須對點進行轉義以匹配文字點。

細節

• (?:.*/)? -除換行符以外的任何0+個字符，盡可能多，直到最后一個/包括
• (.*) -捕獲組1：盡可能多的0+個字符（換行符除外）
• \\. -一個點
• (\\d{4}) -捕獲組2：四位數
• _下划線
• (\\d{2}) -捕獲組3：兩位數字
• _下划線
• (\\d{2}) -捕獲組4：兩位數字
• _\\d{2}\\.orc _ ，2位數字， . 和orc在字符串的末尾。

Scala演示 ：

val text = "S3//bucket//TS11_YREDED.2018_09_28_02.orc"
val reg = """(?:.*/)?(.*)\.(\d{4})_(\d{2})_(\d{2})_\d{2}\.orc""".r

var YEAR = "YEAR"
var MONTH = "MONTH"
var DAY = "DAY"
var FILE_NAME = "FILE_NAME"

val dataExtraction: String => Map[String, String] = {
  string: String => {
    string match {
      case reg(filename, year, month, day) =>
                 Map(FILE_NAME-> filename, YEAR -> year, MONTH -> month, DAY -> day)
      case _  => Map(FILE_NAME-> FILE_NAME,YEAR -> YEAR, MONTH -> MONTH, DAY -> DAY)
    }
  }
}

println(dataExtraction(text))
// => Map(FILE_NAME -> TS11_YREDED, YEAR -> 2018, MONTH -> 09, DAY -> 28)

由於您沒有使用最后一個捕獲組，因此可以從模式中將其省略。

Answer 2

看一下這個：

val file_name = "TS11_YREDED.2018_09_28_02.orc"
val reg = """(.*?)\.(\d{4})_(\d{2})_(\d{2})_(\d{2})\.orc""".r
var file_details = scala.collection.mutable.ArrayBuffer[String]()
reg.findAllIn(file_name).matchData.foreach( m => file_details.appendAll(m.subgroups))
val names=Array("FILE_NAME","YEAR","MONTH","DAY","DUMMY")
for( (x,y) <- names.zip(file_details).toMap)
  println(x + "->" + y)

//DUMMY->02
//DAY->28
//FILE_NAME->TS11_YREDED
//MONTH->09
//YEAR->2018