如何用正则表达式解析RDD中的字符串数组以提取指定字段？

我来帮你搞定这个正则解析的问题～你之前的正则表达式没生效主要是几个细节没处理对，咱们一步步来：

原正则的问题分析 #

你用的"[.]+\(([.]+)\)[.]+"有两个关键错误：

• [.]是匹配单个点字符，不是你想的“任意字符”，匹配任意字符应该用.；
• 没有考虑字符串里的空格分隔，而且贪婪模式会导致匹配范围超出预期，没法精准拆分出三个部分。

正确的正则表达式 #

针对你的固定格式字符串，推荐使用这个正则：

^(.*?) \((.*?)\) (.*)$

每个分组的作用：

• (.*?)：第一个非贪婪分组，匹配姓名（比如Tony Stark），直到遇到 (（空格+左括号）就停止；
• \((.*?)\)：第二个分组，匹配括号里的国家（比如USA），左/右括号需要转义成\(和\)；
• (.*)$：第三个分组，匹配从空格后到结尾的所有内容，也就是日期部分。

Spark RDD的代码实现示例 #

用Scala代码来演示如何在RDD中应用这个正则拆分出三个目标数组：

import scala.util.matching.Regex

// 初始化输入RDD
val inputRDD = sc.parallelize(Array(
  "Tony Stark (USA) 16th October 2015", 
  "Peter Comb (Canada) 21st September 2015"
))

// 定义正则模式
val splitPattern: Regex = "^(.*?) \\((.*?)\\) (.*)$".r

// 拆分出三个RDD
val namesRDD = inputRDD.map {
  case splitPattern(name, _, _) => name
}
val countriesRDD = inputRDD.map {
  case splitPattern(_, country, _) => country
}
val datesRDD = inputRDD.map {
  case splitPattern(_, _, date) => date
}

// 验证结果
println(namesRDD.collect().mkString(", "))      // 输出: Tony Stark, Peter Comb
println(countriesRDD.collect().mkString(", "))  // 输出: USA, Canada
println(datesRDD.collect().mkString(", "))      // 输出: 16th October 2015, 21st September 2015

这个方案能精准匹配你给出的字符串格式，只要输入的每个元素都遵循“姓名 (国家) 日期”的结构，就能稳定拆分出三个目标数组。

内容的提问来源于stack exchange，提问作者jOasis