Scala中遍历Seq[Row]至指定条件满足时终止并收集数据

嘿，作为Scala新手遇到这种迭代终止的问题很正常，我来帮你梳理清楚并给出可行的解决方案！

先明确你的需求 #

你需要遍历从DataFrame来的Seq[Row]，直到遇到第三列（索引为2，因为Row的索引从0开始）值为0的元素时停止迭代，并且要收集包括该元素在内的所有之前元素的第二列（索引1）字符串，最终得到Array(abc,pqr,stu)。

你之前代码的问题 #

你的尝试代码有几个明显的问题：

1. 索引搞错了：你写了i.getInt(3)，但目标列是第三列，对应的索引应该是2（Row的索引从0开始计数，第一列是0，第二列1，第三列2）。
2. 语法错误：breakable块里的for循环写法不对，变量定义和条件判断的语法混乱，比如var temp = i.getInt(3)===0应该是val temp = i.getInt(2) == 0，而且for循环的逻辑需要用大括号包裹起来。
3. 没做元素收集：你的代码只处理了终止逻辑，完全没实现收集第二列字符串的部分。

正确的实现方法 #

我们可以用Scala标准库的scala.util.control.Breaks来实现中断循环，同时用可变集合来动态收集元素。以下是完整可运行的代码：

import scala.util.control.Breaks.{break, breakable}
import org.apache.spark.sql.Row

// 模拟你的Seq[Row]数据（和你给出的示例一致）
val r: Seq[Row] = Seq(
  Row("1/1/2020", "abc", 1),
  Row("1/2/2020", "pqr", 1),
  Row("1/3/2020", "stu", 0),
  Row("1/4/2020", "opq", 1),
  Row("1/6/2020", "lmn", 0)
)

// 用可变的ArrayBuffer来收集元素，方便动态添加
val collectedStrings = scala.collection.mutable.ArrayBuffer[String]()

breakable {
  for (row <- r) {
    // 先把当前元素的第二列字符串加入集合
    collectedStrings += row.getString(1)
    // 判断当前元素的第三列是否为0，是就终止循环
    if (row.getInt(2) == 0) {
      break()
    }
  }
}

// 转换为你需要的Array类型
val finalResult = collectedStrings.toArray
// 打印结果：Array(abc, pqr, stu)
println(finalResult.mkString("[", ", ", "]"))

代码逐行解释 #

1. 导入依赖：先引入Breaks工具类（用来中断循环）和Spark的Row类。
2. 初始化收集容器：用ArrayBuffer是因为它支持动态添加元素，比不可变集合更高效，适合这种不知道最终元素数量的场景。
3. breakable包裹循环：breakable是一个特殊的代码块，只有在它里面调用break()才会终止循环，不会影响外部代码。
4. 遍历+收集+判断终止：每次循环先收集当前元素的第二列，然后检查第三列是否为0，满足条件就立刻中断循环，停止后续遍历。
5. 转换为Array：最后把ArrayBuffer转成你需要的Array类型，和期望输出一致。

可选：更函数式的写法 #

如果你想尝试Scala的函数式风格，也可以用foldLeft来实现，不需要用break：

val finalResult = r.foldLeft(Seq.empty[String]) { (acc, row) =>
  val updatedAcc = acc :+ row.getString(1)
  // 遇到第三列为0的元素时，直接返回当前累积的集合，终止后续处理
  if (row.getInt(2) == 0) return updatedAcc
  updatedAcc
}.toArray

这种写法通过累积器逐步收集元素，一旦触发终止条件就直接返回结果，同样能达到你的需求。

内容的提问来源于stack exchange，提问作者Vaishak