Scala学习(九)文件和正则表达式

1.读取行

要想读取文件中的所有行,可以调用scala.io.Source对象的getLines方法:

注:读取文件的指定编码必须要和文件编码对应,否则执行报错:Exception in thread "main" java.nio.charset.MalformedInputException: Input length = 1。在使用完Source对象之后,记得调用close方法。

2.读取字符

要从文件中读取单个字符,你可以直接把Source对象当做迭代器,因为Source类扩展自Iterator[Char]:

如果你想查看某个字符但又不处理掉她的话,调用source对象的buffered方法。这样你就可以用head方法或者next方法查看写一个字符,但同时并不把他当做是已处理的字符。

3.读取词法单元和数字

这里有一个非常简便而快捷的方式来读取原文件中所有以空格隔开的词法单元:

val tokens = source.mkString.split("\\s+")

而要吧字符串转换成数字,可以用toInt或toDouble方法。如果你有一个浮点数的文件,则可以将他们统统读取到数组中:

val numbers = for(w <- tokens) yield w.toDouble

或者

val numbers = tokens.map(_.toDouble)

提示:你总是可以使用java.util.Scanner类来处理同时包含文本和数字的文件。

4.写一个网页爬虫

爬网页源代码

用正则爬页面链接

5.从URL或其他源读取

Source对象有读取非文件源的方法:

val source = Source.fromURL("http://horstamnn.com","UTF-8")

val source2 = Source.fromString("Hello,World!") //从给定字符串读取,对调试很有用

val source = Source.stdin //从标准输入读取

6.读取二进制文件,写入文本文件,访问目录

Scala并没有提供读取二进制文件的方法。你需要使用Java类库。

Scala没有内建的对写入文件的支持。要写入文本文件,可以使用java.io.PrintWriter。

Scala并没有“正式的”用来访问某个目录中所有文件或者递归遍历所有目录的类。最简单的方式是使用java.nio.file包中的Files.list和Files.walk方法。

list方法访问目录的直接后代,walk方法访问所有后代。

7.序列化

以下是如何在Java和Scala中声明一个可序列化的类。

Java:

public class Person implements java.iio.Serializable {
    private static final long serialVersionUID = 42L;

}

Scala:

@SerialVersionUID(42L) class Person extends Serializable

Serializable特质定义在scala包,因此不需要显式引入。

说明:如果你能接受缺省的ID,因此不需要@SerialVersionUID注解。

8.进程控制

Scala的设计目标之一就是能在简单的脚本化任务和大型程序之间保持良好的伸缩性。scala.process包提供了用于与shell程序交互的工具。可以利用Scala编写shell脚本,利用Scala提供的所有威力。

如下是一个简单的实例:

import sys.process._
"ls -al .." !

这样做的结果是,ls -al ..命令被执行,显示上层目录中的所有文件。

sys.process包含了一个从字符串到ProcessBuilder对象的隐式转换。!操作符执行的就是这个ProcessBuilder对象。

!操作符返回的结果是被执行程序的返回值:程序成功执行的话就是0,否则就是显示错误的非0值。

如果使用!!,输出会以字符串的形式返回。

val result = "ls -al .." !!

要把输出重定向到文件,使用#》操作符:

"ls -al .." #> new File("output.txt") !

要追到到文件末尾而不是从头覆盖的话,使用#>>操作符:

"ls -al .." #>> new File("output.txt") !

要把某个文件的内容作为输入,使用#<  :

"ls -al .." #< new File("output.txt") !

从URL重定向输入:

"grep Scala" #< new URL("http://horstmann.com/index.html") !

说明:进程库使用人们熟悉的shell操作符 | > >> < && || ,只不过给它们加上了#前缀,因此他们的优先级是相同的。

9.正则表达式

Scala 通过 scala.util.matching 包中的 Regex 类来支持正则表达式。以下实例演示了使用正则表达式查找单词 Scala :

import scala.util.matching.Regex

object Test {
    def main(args: Array[String]) {
        val pattern = "Scala".r
        val str = "Scala is Scalable and cool"
        println(pattern findFirstIn str)
    }
}

执行以上代码,输出结果为:

$ scalac Test.scala
$ scala Test
Some(Scala)

实例中使用 String 类的 r() 方法构造了一个Regex对象。

然后使用 findFirstIn 方法找到首个匹配项。

如果需要查看所有的匹配项可以使用 findAllIn 方法。

你可以使用 mkString( ) 方法来连接正则表达式匹配结果的字符串,并可以使用管道(|)来设置不同的模式:

import scala.util.matching.Regex

object Test {
    def main(args: Array[String]) {
        val pattern = new Regex("(S|s)cala") // 首字母可以是大写 S 或小写 s
        val str = "Scala is scalable and cool"
        println((pattern findAllIn str).mkString(",")) // 使用逗号 , 连接返回结果
    }
}

执行以上代码,输出结果为:

$ scalac Test.scala
$ scala Test
Scala,scala

如果你需要将匹配的文本替换为指定的关键词,可以使用 replaceFirstIn( ) 方法来替换第一个匹配项,使用 replaceAllIn( ) 方法替换所有匹配项,实例如下:

import scala.util.matching.Regex

object Test {
    def main(args: Array[String]) {
        val pattern = "(S|s)cala".r
        val str = "Scala is scalable and cool"
        println(pattern replaceFirstIn(str, "Java"))
    }
}

执行以上代码,输出结果为:

$ scalac Test.scala
$ scala Test
Java is scalable and cool

在 Java 和 Scala 中字符串中的反斜线是转义字符。所以如果你要输出 .\.,你需要在字符串中写成 .\\. 来获取一个反斜线。查看以下实例:

import scala.util.matching.Regex

object Test {
    def main(args: Array[String]) {
        val pattern = new Regex("abl[ae]\\d+")
        val str = "ablaw is able1 and cool"
        println((pattern findAllIn str).mkString(","))
    }
}

执行以上代码,输出结果为:

$ scalac Test.scala
$ scala Test
able1

Regex对象API常用API:

    findAllIn 返回遍历所有匹配项

    findFirstin 返回字符串中首个匹配项

    findPrefixOf 检查是否某个字符串的开始部分能匹配

    replaceFirstIn 替换首个匹配项

    replaceAllIn 替换全部匹配项

10.正则表达式组

分组可以让我们方便地获取正则表达式的子表达式。在你想要提取的子表达式两侧加上圆括号,例如:

val numitemPattern = " ([0-9]+) ([a-z]+) ".r

要匹配组,可以把正则表达式对象当做"提取器"使用,就像这样:

val numitemPattern (num, item) = "99 bottles" // 将num设为"99",item设为"bottles"

如果你想要从多个匹配项中提取分组内容,可以像这样使用for语句:

for (numitemPattern (num,item) <- numitemPattern.findAllln("99 bottles, 98 bottles"))

处理num和item

评论

暂无评论