Regex 解析字符串以使用Scala中的正则表达式创建对象

我有一个字符串的输入列表，我想使用正则表达式将其转换为对象列表。在下面的代码中，为了简单起见，我不是在创建对象，而是将它们打印到

stdout

我能够支持一些输入字符串，但不能支持整个列表。有人能告诉我我做错了什么吗

lazy val TIMESTAMP_PATTERN:Regex=“”（年|月|日|小时）\（[a-zA-Z+）[，]？（[a-zA-Z*）\）”。r
lazy val BUCKET\ u模式：Regex=“”（BUCKET）\（（.+）（，）（.+）[，]？（.*）\）“”
序号(
“年份（时间戳）”，
“年份（时间戳，我的年份）”，
“月份（时间戳）”，
“月份（时间戳，我的月份）”，
“日期（时间戳）”，
“天（时间戳，我的天）”，
“小时（时间戳）”，
“小时（时间戳，我的小时）”，
“桶（id，32）”，
“桶（id，32，我的桶）”，
).foreach{input=>输入匹配{
case TIMESTAMP_PATTERN（transform，sourceColumn，targetColumn）=>println（s“$transform:：：$sourceColumn:：：-$targetColumn”）
case BUCKET_模式（sourceColumn，numBuckets）=>println（s“BUCKET:：$sourceColumn:：：$numBuckets”）
case BUCKET_模式（sourceColumn，numBuckets，targetColumn）=>println（s“BUCKET:：$sourceColumn:：：$numBuckets:：$targetColumn”）
案例z=>println（s“意外匹配：$z”）
}
}

输出

年份：：：时间戳：：-
意外匹配：年（时间戳，我的年）
月份：：：时间戳：：-
意外匹配：月份（时间戳，\我的\月份）
日期：：：时间戳：：-
意外匹配：天（时间戳，我的天）
小时：：：时间戳：：-
意外匹配：小时（时间戳，我的小时）
意外匹配：bucket（id，32）
意外匹配：bucket（id，32，\u MY\u bucket）

我在您的regexp和匹配中做了一些修复：

lazy val TIMESTAMP_PATTERN: Regex = """(year|month|day|hour)\((\w+)(?:,\s+)?(\w*)\)""".r
lazy val BUCKET_PATTERN: Regex = """bucket\((\w+),(?:\s+)?(\w+)(?:,\s+)?(\w*)\)""".r

  Seq(
    "year(timestamp)",
    "year(timestamp, _MY_YEAR)",
    "month(timestamp)",
    "month(timestamp, _MY_MONTH)",
    "day(timestamp)",
    "day(timestamp, _MY_DAY)",
    "hour(timestamp)",
    "hour(timestamp, _MY_HOUR)",
    "bucket(id, 32)",
    "bucket(id, 32, _MY_BUCKET)",
  ).foreach {
    case TIMESTAMP_PATTERN(transform, sourceColumn, "") => println(s"$transform ::: $sourceColumn")
    case TIMESTAMP_PATTERN(transform, sourceColumn, targetColumn) => println(s"$transform ::: $sourceColumn :::- $targetColumn")
    case BUCKET_PATTERN(sourceColumn, numBuckets, "") => println(s"bucket ::: $sourceColumn ::: $numBuckets")
    case BUCKET_PATTERN(sourceColumn, numBuckets, targetColumn) => println(s"bucket ::: $sourceColumn ::: $numBuckets ::: $targetColumn")
    case z => println(s"Unexpected match: $z")
  }

现在的输出是：

year ::: timestamp
year ::: timestamp :::- _MY_YEAR
month ::: timestamp
month ::: timestamp :::- _MY_MONTH
day ::: timestamp
day ::: timestamp :::- _MY_DAY
hour ::: timestamp
hour ::: timestamp :::- _MY_HOUR
bucket ::: id ::: 32
bucket ::: id ::: 32 ::: _MY_BUCKET

以下是我所做的更改：

• 将

  ？：

  添加到由

  、

  和空格组成的组中，以使这些组不被捕获。使用此方法，空格仍然是可选的，但不会影响端点匹配
• 已从bucket中删除（），因此它不是捕获组
• 由于最后一个匹配项是可选的，并且可以为空，因此使用较少的项修改模式以匹配此情况。请注意，如果最后一列不存在，则其捕获组将为空