大数据之脚踏实地学18--Scala正则表达式的使用
大数据之脚踏实地学18--Scala正则表达式的使用
前言
在《大数据之脚踏实地学17--Scala字符串的清洗》一文中我们介绍了Scala语言中常用的字符串处理方法，但这些方法并不是万能的，例如字符串子串的获取，如果目标子串并不在固定的位置，此时切片即将无效；字符串子串的替换，如果目标子串的值不确定，位置也不确定时，便无法基于replace的方法进行替换；字符串的分割，如果分隔符并不是固定的字符，而是某种具有规律的对象，那么普通的split方法也同样无法有效。
所以，对于上面所提到的几种情况，我们在本文将跟大家介绍强大的正则表达式，利用正则表达式便可以轻松地解决各种字符串中常见的难题（正则表达式是描述字符串规律的字符串）。本文内容介绍：
字符串子串的查询 字符串子串的替换 字符串的分割
正如前文所说，正则表达式是描述字符串规律的字符串，那么构成字符串规律的正则符号都有哪些，以及这些符号的含义和用法是怎样的，读者朋友可以前往《Python中正则表达式的巧妙使用》一文中找到答案，本文就不赘述了。
子串的查询
基于正则表达式完成字符串中子串的查询，可以使用findFisrtIn、findAllIn或findAllMatchIn方法。他们的区别如下：
findFirstIn：查询出满足规律的第一个子串； findAllIn：查询出满足规律的所有子串； findAllMatchIn：与findAllIn类似，除此还可以配合()进行组元素的获取；
需要说明的是，在使用正则表达式做字符串相关的处理时，可以通过如下两个方式构造正则表达式：
pattern.r：即在字符串后面加上.r字符，这样原字符串便成了正则表达式； 导入scala.util.matching.Regex函数，通过函数构造正则表达式；
举例
// 查询出所有包含a字母的单词（不区分大小写）
val S1 = "Today is Thursday, the weather is good, what about tomorrow?"
// 构造正则表达式
val pattern1 = "[a-zA-Z]*[aA][a-zA-Z]*".r
pattern1.findAllIn(S1).toList
OUT:
List[String] = List(Today, Thursday, weather, what, about)
// 导入函数
import scala.util.matching.Regex
// 查询出身高信息
val S2 = "name:张三,height:178,weight:68 name:李四,height:168,weight:62"
// 与Python不同的是，如下需要使用双反斜杠
val pattern2 = new Regex("height:(\\d+)")
// 利用for...yield将迭代对象中的内容存储到Res变量中
val Res = for(i <- pattern2.findAllMatchIn(S2)) yield i.group(1)
println(Res.toList)
OUT:
List(178, 168)子串的替换
对于字符串子串的替换问题，可以将正则表达式利用在如下两个方法中： replaceFirstIn：替换满足正则表达式的第一个子串； replaceAllIn：替换满足正则表达式的所有子串；
举例
// 将字符串中的数字替换为减号
val S3 = "现在是2019年4月5日，晚上21点17分"
val pattern3 = "\\d+".r
pattern3.replaceAllIn(S3,"-")
OUT:
现在是-年-月-日，晚上-点-分字符串的分割
字符串分割就更加简单了，只需要将正则表达式跟split函数搭配使用即可。下面通过一个简单的例子加以说明。
举例
// 将字符串按照标点符号切割开
val S4 = "学习Scala，是一个漫长的过程。需要系统地学习，加油吧！兄弟。"
val pattern4 = new Regex("[，。！]")
pattern4.split(S4)
OUT:
Array[String] = Array(学习Scala, 是一个漫长的过程, 需要系统地学习, 加油吧, 兄弟)