regex - 我如何在scala中选择具有指定模式的文件名

Question

OTC_omega_20210302.csv
CH_delta_20210302.csv
MD_omega_20210310.csv
CD_delta_20210310.csv

val hdfsPath = "/development/staging/abcd-efgh"
val fs = org.apache.hadoop.fs.FileSystem.get(spark.sparkContext.hadoopConfiguration)

val files = fs.listStatus(new Path(s"${hdfsPath}")).filterNot(_.isDirectory).map(_.getPath)
val regX = "OTC_*[0-9].csv|CH_*[0-9].csv".stripMargin.r
val filteredFiles = files.filter(fName => regX.findFirstMatchIn(fName.getName).isDefined)

如果我需要任何以(OTC_ 或 CH_)开头并以 YYYYMMDD.csv 结尾的文件名，我需要提供什么正则表达式？

根据上述文件，我需要两个输出OTC_omega_20210302.csvCH_delta_20210302.csv

请帮忙

Answer 1

你可以使用

val regX = "^(?:OTC|CH)_.*[0-9]{8}\\.csv$".r
val regX = """^(?:OTC|CH)_.*[0-9]{8}\.csv$""".r

参见 regex demo .

详细信息:

• ^ - 字符串的开始
• (?:OTC|CH) - non-capturing group匹配 OTC 或 CH 字符序列
• _ - _ 字符
• .* - 除换行字符外的任何零个或多个字符，尽可能多
• [0-9]{8} - 八位数字
• \. - 文字点(注意 . 匹配换行符以外的任何字符，您必须转义 。 使其匹配一个点)
• csv - csv 字符串
• $ - 字符串结尾。