Question

我写了以下正则表达式：

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

应该解析以下字符串： “ S3 //存储桶//TS11_YREDED.2018_09_28_02.orc” 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"

但无法正常工作应该省略存储桶名称并解析文件名和日期

因此，预期输出应为：Map（FILE_NAME-> TS11_YREDED，YEAR->，MONTH-> 09，DAY-> 28）知道如何解决它吗？

Answer 1

.+模式部分首先匹配整个字符串，而([A-Z_].+)仅捕获要由后续模式捕获和匹配的内容。

您可以使用

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

请参见this regex demo

请注意，点必须转义以匹配文字点。

详细信息

(?:.*/)?-尽可能多的除换行符以外的任何0+个字符，直到最后一个/并包括它
(.*)-捕获组1：尽可能多的除换行符以外的0+个字符
\.-一个点
(\d{4})-捕获第2组：四位数
_-下划线
(\d{2})-捕获组3：两位数字
_-下划线
(\d{2})-捕获第4组：两位数字
_\d{2}\.orc-_，两位数字，.和orc在字符串的末尾。

Scala demo：

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)

由于您没有使用最后一个捕获组，因此可以从模式中将其省略。

Answer 2

检查一下：

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

根据正则表达式模式匹配scala匹配字符串

2 个答案: