Scala 如何使用regex在sc.textFile中包含/排除一些输入文件？

我尝试在file to RDD函数

sc.textFile（）

中使用Apache spark过滤特定文件的日期

我已尝试执行以下操作：

sc.textFile("/user/Orders/201507(2[7-9]{1}|3[0-1]{1})*")

/user/Orders/201507270010033.gz
/user/Orders/201507300060052.gz

这应符合以下要求：

sc.textFile("/user/Orders/201507(2[7-9]{1}|3[0-1]{1})*")

/user/Orders/201507270010033.gz
/user/Orders/201507300060052.gz

知道如何实现这一点吗？

看看，它似乎使用了某种形式的glob语法。它还揭示了API是Hadoop的

FileInputFormat

的一个公开版本

搜索显示提供给

FileInputFormat

的

addInputPath

或

setInputPath

的路径。也许，

SparkContext

也使用这些API来设置路径

其中包括：

• *

  （匹配0个或更多字符）

• ？

  （匹配单个字符）

• [ab]

  （字符类）

• [^ab]

  （否定字符类）

• [a-b]

  （字符范围）

• {a，b}

  （替换）

• \c

  （转义字符）

按照已接受答案中的示例，可以将您的路径写为：

sc.textFile("/user/Orders/2015072[7-9]*,/user/Orders/2015073[0-1]*")

这里不清楚如何使用交替语法，因为逗号用于分隔路径列表（如上所示）。根据他的评论，没有必要逃跑：

sc.textFile("/user/Orders/201507{2[7-9],3[0-1]}*")

---

谢谢，

{a，b}

进行替换，而不是我所尝试的：

（a | b）

。我试图从某个类型中排除文件，但不幸的是，没有成功，您能提供一个示例吗？像*^tmp之类的东西