Question

假设我有一个名为df和regex的数据帧，如下所示：

var df2 = df
regex = new Regex("_(.)")
for (col <- df.columns) {
      df2 = df2.withColumnRenamed(col, regex.replaceAllIn(col, { M => M.group(1).toUpperCase }))
    }

我知道这段代码正在重命名df2的列，这样如果我有一个名为“user_id”的列名，它就会变成userId。

我理解withcolumnRenamed和replaceAllIn函数的作用。我不明白的是这一部分：{ M => M.group(1).toUpperCase }

什么是M？什么是组（1）？

我可以猜到发生了什么，因为我知道预期的输出是userId，但我不认为我完全理解这是怎么回事。

有人可以帮我理解吗？真的很感激。

谢谢！

Answer 1

replaceAllIn方法的签名是

replaceAllIn(target: CharSequence, replacer: (Match) ⇒ String): String

因此M是Match并且它有group方法，返回

组i中匹配的字符串，如果没有匹配则为null

正则表达式中的组与括号中的（子）正则表达式匹配（.，即您的情况下为一个符号）。您可以拥有多个捕获组，您可以命名它们或通过索引引用它们。您可以阅读有关捕获组here以及Regex的Scala API文档的更多信息。

所以{ M => M.group(1).toUpperCase }表示您将每个匹配替换为_更改为大写后的符号。

Answer 2

M仅表示匹配，组（1）表示由正则表达式捕获的组（1）。考虑这个例子：

世界杯

如果你想将上面的例子与正则表达式匹配，你会写这样的\w+\s\w+，但是，你可以使用这些组，并用这种方式写出来：

(\w+)\s(\w+)

Regex中的括号用于表示组。在上面的示例中，第一个(\w+)是第1组，它将匹配World。第二个(\w+)将匹配正则表达式Cup中的第2组。如果你想匹配整个事物，你可以使用匹配整个事物的组0。

请参阅右侧的群组： https://regex101.com/r/v0Ybsv/1

Scala - 正则表达式的解释

2 个答案: