Regex apachespark中的正则表达式

我有一个文本文件，如下所示：-

这个食谱可以用立式搅拌机制作，也可以用碗、木勺和强壮的手臂手工制作。如果您使用咸黄油，请省略此配方中添加的盐。
百胜
配料
1 1/4杯通用面粉（160克）
1/4茶匙盐
1/2茶匙发酵粉
室温下1/2杯无盐黄油（1根或8汤匙或112克）
1/2杯白糖（90克）
1/2杯深红糖，包装（85克）
1个大鸡蛋
1茶匙香草精
1/2茶匙速溶咖啡颗粒或速溶浓缩咖啡粉
1/2杯碎澳洲坚果（3 1/2盎司或100克）
1/2杯白巧克力片
方法
1将烤箱预热至350°F（175°C）。将面粉、
和发酵粉放入碗中，用力搅拌，备用。

我想提取单词成分和方法之间的数据
我已经写了一个正则表达式，你需要做的是

使用WholeTextFiles读取文件（这样它就不会断行，您可以一起读取整个数据）

编写一个函数，该函数接受一个字符串并使用该正则表达式输出一个字符串 因此，它可能看起来像（在python中）

大宗报价

def getWhatIneed(s):
    output = <my regexp>
    return output

b = sc.WholeTextFiles(...)
c = b.map(getWhatIneed)

---

问题是，函数定义中的输出应该返回您所说的字符串，但regexp的类型是scala.util.matching.regex，因此它会给出一个类型不匹配错误。在这种情况下，我的方法应该是什么？这是一个scala regex问题。无论如何，我在这方面不是专家。通过查找scala api文档，似乎需要将字符串传递给regexp实例，然后使用findAllMatchIn之类的方法提取输出。

b

是一个RDD，

regex。findAllIn

应用于字符串。因此，您需要将regex应用于RDD集合的字符串。可能使用类似于

map

或

flatmap

def getWhatIneed(s):
    output = <my regexp>
    return output

b = sc.WholeTextFiles(...)
c = b.map(getWhatIneed)

print c.collect()