regex - 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.csv CH_delta_20210302.csv

请帮忙

标签： regexscala

Answer 1

您可以使用

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

请参阅正则表达式演示。

详情：

• ^- 字符串的开始
• (?:OTC|CH)-匹配或字符序列的非捕获组OTCCH
• _- 一个_字符
• .*- 除换行符以外的任何零个或多个字符，尽可能多
• [0-9]{8}- 八位数
• \.- 文字点（note .匹配除换行符以外的任何字符，您必须转义.以使其匹配点）
• csv- 一个csv字符串
• $- 字符串结束。