Question

使用Scala我正在尝试根据this问题从数据中删除网址。以下代码工作正常：

 val removeRegexUDF = udf(
    (input: Seq[String]) => input.filterNot(s => s.matches("(https?\\://)\\S+" ))

 filteredDF.withColumn("noURL", removeRegexUDF('filtered)).select("racist", "filtered","noURL").show(100, false)

现在我想使用变量而不是文字正则表达式，所以我尝试：

        val urls = """(https?\\://)\\S+"""
        val removeRegexUDF = udf(
        (input: Seq[String]) => input.filterNot(s => s.matches(urls ))

但这似乎对数据没有影响。我试试：

val urls = """(https?\\://)\\S+""".r

但这会产生错误：

urls: scala.util.matching.Regex = (https?\\://)\\S+
<console>:45: error: type mismatch;
 found   : scala.util.matching.Regex
 required: String
         (input: Seq[String]) => input.filterNot(s => s.matches(urls) )

非常感谢任何有关如何实现这一目标的指导。

Answer 1

我想这与使用单引号和三引号有关。在第一个例子中，你放置了额外的反斜杠来逃避字符，而在后一个例子中你不需要它们 - 用三重引号包装字符串就足够了。

println("(https?\\://)\\S+")      // (https?\://)\S+
println("""(https?\\://)\\S+""")  // (https?\\://)\\S+
println("""(https?\://)\S+""")    // (https?\://)\S+

如何在Scala中的filterNot中使用正则表达式变量？

1 个答案: