Java 有效地将不同的可能子字符串匹配到相同的值

我有一个CSV文件，其中一列称为操作系统，包含一个字符串，其值如下所示：

win-abc123
def456-windows
123123-WIN-ghi789
rhel-jkl012
45u8234dgf-redhat-mno345
pqr678-RHEL

os_map = {frozenset(['win', 'windows', 'WIN']):'WIN', frozenset(['rhel', 'redhat', 'RHEL',]): 'RHEL'}

for k, v in os_map.items():
    test=re.sub(r'\b({})\b'.format('|'.join(k)), v, test)

for line in test.splitlines():
    m=re.search(r'\b({})\b'.format('|'.join(os_map.values())), line)
    if m:
        print line, m.group(0)

换句话说，列值包含一个子字符串，该子字符串位于表示操作系统的字符串（前、中或后）的某个位置。这些值可以是

win

，

windows

，

win

，

rhel

，

redhat

，

rhel

中的一个

我想检查列值，并用

WIN

或

RHEL

替换整个列来清理它

我有一个笨拙的解决方案。迭代CSV中的每一行，并迭代操作系统映射中的每一个键、值对。如果匹配，则替换CSV值

os_map = {'win':'WIN', 'windows': 'WIN', 'WIN':'WIN', 'rhel': 'RHEL', 'redhat': 'RHEL', 'RHEL': 'RHEL'}
for row in rows:
    os = row[OPERATING_SYSTEM]
    for key, value in os_map.iteritems():
        if key in os:
            row[OPERATING_SYSTEM] = value
            break

或者，在java中：

Map<String, String> osMap = new HashMap<String, String>();
osMap.put("win", "WIN");
osMap.put("windows", "WIN");
osMap.put("WIN", "WIN");
// Repeat for RHEL values

String os;
for (String[] row : rows) {
    os = row[OPERATING_SYSTEM];

    for (Map.Entry<String, String> entry: osMap.entrySet()) {
        if (os.contains(entry.getKey())) {
            row[OPERATING_SYSTEM] = entry.getValue();
            break;
        }
    }
}

---

但事实并非如此。

在Python中，您可以按照以下思路进行操作：

test='''\
win-abc123
def456-windows
123123-WIN-ghi789
rhel-jkl012
45u8234dgf-redhat-mno345
pqr678-RHEL'''

from itertools import chain

os_map = {frozenset(['win', 'windows', 'WIN']):'WIN', frozenset(['rhel', 'redhat', 'RHEL',]): 'RHEL'}

all_os=set(chain(*os_map.keys()))

for line in test.splitlines():
    tgt=filter(lambda e: e in all_os,  line.split('-'))
    if tgt:
        print os_map[filter(lambda k: tgt[0] in k, os_map.keys())[0]]

您还可以对regex进行口述：

import re    
os_reg={re.compile(r'\b(win|windows|WIN)\b'):'WIN', re.compile(r'\b(rhel|redhat|RHEL)\b'): 'RHEL'}        
for line in test.splitlines():
    for pat, v in os_reg.items():
        if pat.search(line):
            print line, v   
            break    

^.*(win(dows)?|r(hel|edhat)).*$

或者将set和regex组合起来执行以下操作：

win-abc123
def456-windows
123123-WIN-ghi789
rhel-jkl012
45u8234dgf-redhat-mno345
pqr678-RHEL

os_map = {frozenset(['win', 'windows', 'WIN']):'WIN', frozenset(['rhel', 'redhat', 'RHEL',]): 'RHEL'}

for k, v in os_map.items():
    test=re.sub(r'\b({})\b'.format('|'.join(k)), v, test)

for line in test.splitlines():
    m=re.search(r'\b({})\b'.format('|'.join(os_map.values())), line)
    if m:
        print line, m.group(0)

---

最好使用状态机或正则表达式。查看java库中的正则表达式以查找和替换语义。如果你是硬核，你可以扮演自己的状态机角色，这可能是处理搜索部分最有效的方式。更换零件可能有点棘手

为这种类型的字符串替换提供了一些很好的语法。如果您的csv文件非常大，它可能非常适合：

In [76]:

print df

                        val
0                win-abc123
1            def456-windows
2         123123-WIN-ghi789
3               rhel-jkl012
4  45u8234dgf-redhat-mno345
5               pqr678-RHEL

In [77]:

df['val'] = df.val.str.replace(r'\b(win|windows|WIN)\b', 'WIN')

df['val'] = df.val.str.replace(r'\b(rhel|redhat|RHEL)\b', 'RHEL')

print df

                      val
0              WIN-abc123
1              def456-WIN
2       123123-WIN-ghi789
3             RHEL-jkl012
4  45u8234dgf-RHEL-mno345
5             pqr678-RHEL

---

您可以尝试使用不区分大小写的regex版本：

import re    
os_reg={re.compile(r'\b(win|windows|WIN)\b'):'WIN', re.compile(r'\b(rhel|redhat|RHEL)\b'): 'RHEL'}        
for line in test.splitlines():
    for pat, v in os_reg.items():
        if pat.search(line):
            print line, v   
            break    

^.*(win(dows)?|r(hel|edhat)).*$

Java中的简化示例：

public class Test {
    public static void main(String[] args) {
        String[] lines = {"win-abc123","def456-windows","123123-WIN-ghi789","rhel-jkl012","45u8234dgf-redhat-mno345","pqr678-RHEL"};
        Matcher matcher = Pattern.compile("^.*(win(dows)?|r(hel|edhat)).*$",Pattern.CASE_INSENSITIVE).matcher("");
        for(String line : lines){
            matcher.reset(line);
            if(matcher.matches()){
                System.out.println(line);
            }
        }
    }
}