如何最好地结合正则表达式组和流来搜索文件

Question

我想扫描一个文件，只找到一个正则表达式的第一个实例，然后返回与该表达式匹配的组的值。

到目前为止，我的所有尝试似乎都非常笨拙，并且涉及重复使用正则表达式，一次是查找目标字符串，然后是再次获取组。我也不喜欢在 Regexp 的开头和结尾使用 .*。

任何人都可以提出一种更优雅的方式来做到这一点。

  val DateRegexp = """.*(\d\d\d\d)-(\d\d)-(\d\d).*""".r
  val lineWithDate = scala.io.Source.fromFile(filenameGC).getLines().find{_.matches(""".*(\d\d\d\d)-(\d\d)-(\d\d).*""")  }
  lineWithDate match {
    case Some(result) =>
       result match {
        case DateRegexp(year, month, day) =>
          println(year, month, day)
       }
    case None =>
      println("No date found in file")
  }

在得到 Cyrille Corpet 的大力支持后，我现在...

val DateRegexp = """(\d\d\d\d)-(\d\d)-(\d\d)""".r.unanchored
scala.io.Source.fromFile(filenameGC).getLines().collectFirst{
                   case DateRegexp(y, m, d) => println(y, m, d)}

Answer 1

Regex 已经是一个模式（在模式匹配的意义上），所以你可以直接在你的case 语句中使用它：

fileString match {
  case DateRegexp(year, month, day) => println(year, month, day)
}

但是，在您的情况下，.* 是贪婪的，它会捕获字符串中模式的最后一次出现。

谢天谢地，如果您将其指定为 unanchored，您可以在模式的开头和结尾删除 .*（这意味着它不会尝试将模式与您的整个字符串匹配）。没有贪婪的*，你现在可以捕捉到第一个出现：

val regex = """(\d\d\d\d)-(\d\d)-(\d\d)""".r.unanchored

"1987-05-18 2002-12-14" match {
  case regex(y, m, d) => (y.toInt, m.toInt, d.toInt) // (1987, 5, 18)
}

编辑：我意识到我没有解决问题的第一个问题，即您没有String，而是Seq[String]。但是，一旦您拥有一行的提取器，您只需在所有行上使用它，直到第一个与 collectFirst 相关的行，它会找到与给定 cases 匹配的第一个匹配项并使用它：

(lines: List[String]).collectFirst{
  case regex(y, m, d) => println(y, m, d)
}