scala 之正则匹配

一、String.matches()  ## 用于过滤需要处理的日志（如空格空行错误字符）

语句：
"!123".matches("[a-zA-Z0-9]{4}")  //false
"34Az".matches("[a-zA-Z0-9]{4}")  //true

// 应用：

// 1.scala读取log
  def readFromTxt(filePath:String): Array[String] ={
      import scala.io.Source
      val source = Source.fromFile(filePath,"UTF-8")
      val lines = source.getLines().toArray
      source.close()
      lines
  }
//2. 应用于过滤日志需要的信息
// regex里三个"""，就不需要转义了！
val reg = """([A-Z]+) ([0-9]{4}-[0-9]{1,2}-[0-9]{1,2}) requestURI:(.*)""".r
// 先过滤空格，再map
    lines.filter(_.matches("""([A-Z]+) ([0-9]{4}-[0-9]{1,2}-[0-9]{1,2}) requestURI:(.*)"""))
      .map(line=>line match{
        case reg(level,logdate,addr)=>(level,logdate,addr)
    }).foreach(println(_))

----补充LOG日志-----

INFO 2000-10-01 requestURI:/c?app=0&p=1&did=180042334&industry=45Z

INFO 2012-11-11 requestURI:/c?app=2&p=3&did=140042334&industry=42Z
WARN 2012-11-11 requestURI:/c?app=2&p=3&did=140042334&industry=42Z
ERROR 2012-11-11 requestURI:/c?app=2&p=3&did=140042334&industry=42Z

二、case模式匹配（推荐使用，最方便）

模式匹配/模式守卫/类型匹配：https://blog.csdn.net/lyq7269/article/details/107759026

例1

// 语句1：
val pattern = "([a-zA-Z][0-9][a-zA-Z] [0-9][a-zA-Z][0-9])".r
"L3R 6M2" match {
    case pattern(x) => println("Valid zip-code: " + x )  //x为第1个分组结果，可以匹配多个分组
    case x => println("Invalid zip-code: " + x )
} 
// 语句2：
val date = """(dddd)-(dd)-(dd)""".r
"2014-05-23" match {
    case date(year, month, day) => println(year,month,day)
}
"2014-05-23" match {
    case date(year, _*) => println("The year of the date is " + year) 
} 
"2014-05-23" match {
    case date(_*) => println("It is a date")
}

例2

val reg = """.* set se[0-9]_([0-9]+)_([0-9]+)_([0-9]+)r (.*),.*""".r
rdd.foreach {
      case reg(zs, stu, ques, sa) => println(zs, stu, ques,sa)
    }

匹配log如下，取红色字段

2019-06-16 14:24:34 INFO com.noriental.praxissvr.answer.util.PraxisSsdbUtil:45 [SimpleAsyncTaskExecutor-1] [020765925160] req: set se0_34434412_8195023659593_8080r 1,resp: ok 14

注意点：使用模式匹配虽然方便，但是要注意reg中的括号一定不能镶嵌，比如匹配整数or小数时， ([0-9](.[0-9])?) 会因为找不到哪个括号而报错！最好使用 (.*) 

三、import scala.util.matching.Regex API

1）findFirstMatchIn() 返回第一个匹配（Option[Match]）

语句：
import scala.util.matching.Regex
val numberPattern: Regex = "[0-9]".r
numberPattern.findFirstMatchIn("awesomepassword") match {
  case Some(_) => println("Password OK")  //匹配成功
  case None => println("Password must contain a number")   //未匹配
}

2）分组处理
findAllMatchIn().toList => List[Regex.Match]

例1

语句2：
import scala.util.matching.Regex

val studentPattern:Regex="([0-9a-zA-Z-#() ]+):([0-9a-zA-Z-#() ]+)".r
val input="name:Jason,age:19,weight:100"

for(patternMatch<-studentPattern.findAllMatchIn(input)){
    println(s"key: ${patternMatch.group(1)} value: ${patternMatch.group(2)}")
}

 例2

rdd.map(line=>{
      val reg = """.* set se[0-9]_([0-9]+)_([0-9]+)_([0-9]+)r ([0-9](.[0-9])?),.*""".r
      reg.findAllMatchIn(line).map(x=>(x.group(1),x.group(2),x.group(3),x.group(4))
        .productIterator.mkString("	")).mkString("")
    }).foreach(println(_))

匹配log如下，取红色字段

2019-06-16 14:24:34 INFO com.noriental.praxissvr.answer.util.PraxisSsdbUtil:45 [SimpleAsyncTaskExecutor-1] [020765925160] req: set se0_34434412_8195023659593_8080r 1,resp: ok 14

3）字符串处理

1.字符串中替换
replaceFirstIn("长字符串","需要替换成什么字符")
replaceAllIn("长字符串","需要替换成什么字符")

语句1：
"[0-9]+".r.replaceFirstIn("234 Main Street Suite 2034", "567") //234->567   
"[0-9]+".r.replaceAllIn("234 Main Street Suite 2034", "567") //234、2034->567

2.

字符串中查找：findAllIn().toList => list[String]

字符串中查找：_用来扔掉不需要的数据，_*用于句末

语句1：
val nums = "[0-9]+".r.findAllIn("123 Main Street Suite 2012").toList.foreach(println(_))
语句2：
val date = """(dddd)-(dd)-(dd)""".r
"2014-05-23" match {
    case date(year, month, day) => println(year,month,day)
}
"2014-05-23" match {
    case date(year, _*) => println("The year of the date is " + year) 
} 
"2014-05-23" match {
    case date(_*) => println("It is a date")
}