Pentaho中正则如何匹配所有指定关键词并捕获至同一分组？

你当前使用的正则.*(access|test|rental|email|password).*只能返回1个匹配结果，是因为前后的.*为贪婪匹配，会吞噬掉大部分字符串内容，仅保留最后一个命中的关键词到分组。要实现所有匹配结果捕获并按逗号拼接，可以用以下三种常用方案：

方案1：使用正则表达式计算器（Regex Evaluator）组件 #

这是最简便的实现方式，无需写代码：

• 首先修改正则为(access|test|rental|email|password)，去掉前后的.*
• 打开正则表达式计算器的配置页：
  • 选择需要匹配的源字段
  • 正则表达式栏填写修改后的规则
  • 勾选「允许重复匹配」选项
  • 结果类型选择「字符串」，分隔符填写英文逗号,
  • 设置输出字段名后即可生效，样例输入最终会得到access,email,password的输出结果

方案2：使用用户自定义Java表达式组件 #

如果需要自定义更多处理逻辑，可以写代码实现：

import java.util.regex.*;

// 替换为你的源字段名
String input = get(Fields.In, "source_field").getString(r);
Pattern pattern = Pattern.compile("(access|test|rental|email|password)");
Matcher matcher = pattern.matcher(input);
StringBuilder res = new StringBuilder();

while (matcher.find()) {
    if (res.length() > 0) res.append(",");
    res.append(matcher.group(1));
}

// 替换为你的输出字段名
get(Fields.Out, "match_result").setValue(r, res.toString());

方案3：使用拆分+过滤+分组流程 #

如果后续需要单独处理每个命中的关键词，可以用流程化实现：

• 新增「拆分字段为行」组件，用空格作为分隔符把原字符串拆分为单个单词的多行数据
• 新增「过滤行」组件，筛选出命中access|test|rental|email|password规则的行
• 新增「分组」组件，按原数据的唯一主键分组，把筛选出的关键词用逗号拼接为单个字段

内容的提问来源于stack exchange，提问作者Nikhil