整个列上的 Scala 正则表达式

Question

我有以下模式，我可以在Python中使用pandas解析，但很难将代码转换为Scala。

grade string_column    
85   (str:ann smith,14)(str:frank chase,15)
86   (str:john foo,15)(str:al more,14)

在python中，我使用了：

df.set_index('grade')['string_column']
.str.extractall(r'((str:[^,]+),(d+))')
.droplevel(1)

输出：

grade       0                1
85      str:ann smith       14
85      str:frank chase     15
86      str:john foo        15
86      str:al more         14

在 Scala 中，我试图复制这种方法，但它失败了：

import scala.util.matching.Regex
val pattern = new Regex("((str:[^,]+),(d+))")
val str = "(str:ann smith,14)(str:frank chase,15)"
println(pattern findAllIn(str)).mkString(","))

Answer 1

关于代码有一些注释：

• 组有一个不匹配的括号，但应该转义
• 反斜杠应为双转义
• 在println中，您不必使用所有的括号和点
• findAllIn 返回一个 MatchIterator，循环这些迭代器将公开匹配的字符串。在这种情况下，用逗号连接这些匹配的字符串将再次返回相同的字符串。

例如

import scala.util.matching.Regex
val pattern = new Regex("\((str:[^,]+),(\d+)\)")
val str = "(str:ann smith,14)(str:frank chase,15)"
println(pattern findAllIn str mkString ",")

输出

(str:ann smith,14),(str:frank chase,15)

但是，如果要打印出组 1 和组 2 值，可以使用返回正则表达式匹配集合的 findAllMatchIn：

import scala.util.matching.Regex
val pattern = new Regex("\((str:[^,]+),(\d+)\)")
val str = "(str:ann smith,14)(str:frank chase,15)"
pattern findAllMatchIn str foreach(m => {
println(m.group(1))
println(m.group(2))
}
)

输出

str:ann smith
14
str:frank chase
15

Answer 2

在 Python 中，Series.str.extractall只返回捕获的子字符串。在 Scala 中，如果不查询其matchData属性(而该属性又包含subgroups属性)，则findAllIn返回匹配的值。

因此，要仅在 Scala 中获取捕获，您需要使用

val pattern = """((str:[^,()]+),(d+))""".r
val str = "(str:ann smith,14)(str:frank chase,15)"
(pattern findAllIn str).matchData foreach {
m => println(m.subgroups.mkString(","))
}

输出：

str:ann smith,14
str:frank chase,15

请参阅 Scala 在线演示。

在这里，m.subgroups访问每个匹配项(m)的所有子组(捕获)。

另请注意，您不需要在三引号字符串文本中使用双反斜杠。((str:[^,()]+),(d+))比赛

• (-(炭
• (str:[^,()]+)- 第 1 组：str:和除,、(和)以外的一个或多个字符
• ,- 逗号
• (d+)- 第 2 组：一个或多个数字
• )-)字符。

如果您只想获取所有匹配而不捕获，则可以使用

val pattern = """((str:[^,]+),(d+))""".r
println((pattern findAllIn str).matchData.mkString(","))

输出：

(str:ann smith,14),(str:frank chase,15)

请参阅在线演示。