Scala 正则表达式（超详细）

Scala 正则表达式入门：从零开始掌握文本匹配的艺术

在日常开发中，我们常常需要从一段文本中提取特定信息，比如验证邮箱格式、提取电话号码、清洗日志数据等。这类任务如果用传统字符串遍历处理，代码会冗长且容易出错。而 Scala 正则表达式，正是解决这类问题的利器。

想象一下，你有一堆乱序的用户注册信息，需要从中找出所有有效的邮箱地址。如果没有正则表达式，你得逐字符判断是否包含 @ 和 .com 等，逻辑复杂又难维护。而有了 Scala 正则表达式，只需一行代码就能精准匹配，高效又优雅。

Scala 作为一门融合函数式与面向对象特性的语言，其正则表达式能力非常强大，且与集合操作无缝集成。今天我们就来系统学习 Scala 正则表达式的核心用法，让你在处理文本时得心应手。

什么是正则表达式？它如何工作？

正则表达式（Regular Expression）是一种用于描述字符串模式的语法。你可以把它理解为“文本的指纹模板”——你告诉系统：“我要找的是符合这种结构的字符串”。

比如，想匹配一个常见的邮箱格式，你可以写：^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

这个表达式虽然看起来复杂，但每一部分都有明确含义：

^ 表示字符串开始
[a-zA-Z0-9._%+-]+ 表示用户名部分，可以包含字母、数字、点、下划线等
@ 是必须存在的符号
[a-zA-Z0-9.-]+ 是域名部分
\. 匹配实际的点号（因为点在正则中是特殊字符）
[a-zA-Z]{2,} 表示顶级域名至少两个字母
$ 表示字符串结束

在 Scala 中，你可以通过 """ 字符串字面量来定义正则表达式，避免转义问题。

创建与编译正则表达式

在 Scala 中，使用 scala.util.matching.Regex 类来表示正则表达式。创建方式非常直观：

val emailRegex = """^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$""".r

这里的关键是 .r 方法，它把字符串转换为一个 Regex 对象。这个对象可以被反复使用，性能优于每次重新编译。

注意：使用三重引号 """ 能避免在字符串中写反斜杠时的转义问题，比如 \. 无需写成 \\.。

一旦编译完成，这个 emailRegex 就像一个“匹配引擎”，你可以用它去检查任何字符串是否符合该模式。

使用 match 检查是否匹配

最基础的用法是判断一个字符串是否完全匹配正则表达式。使用 matches 方法即可：

val emailRegex = """^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$""".r

val testEmail = "user@example.com"

// 判断是否匹配
if (emailRegex.matches(testEmail)) {
  println("邮箱格式正确")
} else {
  println("邮箱格式错误")
}

这段代码会输出：邮箱格式正确。

matches 是严格匹配，要求整个字符串都符合模式。如果你只想检查某部分是否包含匹配项，就要用 findFirstIn 或 findAllIn。

提取匹配的子字符串

很多时候，我们不仅想知道“有没有匹配”，更想知道“匹配了什么”。这时就需要用到 findFirstIn 和 findAllIn。

使用 findFirstIn 提取第一个匹配项

val phoneRegex = """(\d{3})-(\d{4})-(\d{4})""".r

val text = "联系我：010-1234-5678 或 021-8765-4321"

// 查找第一个匹配的电话号码
val matchResult = phoneRegex.findFirstIn(text)

matchResult match {
  case Some(matched) => println(s"找到匹配：$matched")
  case None => println("未找到匹配")
}

输出：找到匹配：010-1234-5678

findFirstIn 返回的是 Option[String]，因为可能没有匹配项。使用 match 模式匹配处理 Some 或 None 是 Scala 的惯用写法。

使用 findAllIn 提取所有匹配项

val phoneRegex = """(\d{3})-(\d{4})-(\d{4})""".r

val text = "联系我：010-1234-5678 或 021-8765-4321"

// 提取所有匹配的电话号码
val allMatches = phoneRegex.findAllIn(text)

// 将结果转换为列表
val phoneList = allMatches.toList

println(s"共找到 ${phoneList.length} 个电话号码：")
phoneList.foreach(println)

输出：

共找到 2 个电话号码：
010-1234-5678
021-8765-4321

findAllIn 返回的是 MatchIterator，可以迭代处理。使用 toList 可以将其转为 List，便于后续操作。

分组捕获：提取匹配中的特定部分

正则表达式中用括号 () 表示“分组”。每个括号内的内容可以单独提取出来，这就是“捕获组”。

比如上面的电话号码正则：(\d{3})-(\d{4})-(\d{4}) 有三个分组：

第一组：区号（3 位数字）
第二组：前四位
第三组：后四位

我们可以通过 group 方法获取这些内容：

val phoneRegex = """(\d{3})-(\d{4})-(\d{4})""".r

val text = "联系我：010-1234-5678"

// 使用 findFirstIn 获取匹配结果
val matchResult = phoneRegex.findFirstIn(text)

matchResult match {
  case Some(matched) =>
    val groups = matched.group
    // group(0) 是完整匹配，group(1) 是第一组，以此类推
    println(s"完整匹配：${groups(0)}")
    println(s"区号：${groups(1)}")
    println(s"前四位：${groups(2)}")
    println(s"后四位：${groups(3)}")
  case None =>
    println("未找到匹配")
}

输出：

完整匹配：010-1234-5678
区号：010
前四位：1234
后四位：5678

注意：group 返回的是 String 类型的数组，索引从 1 开始（group(0) 是完整匹配，不是分组）

替换文本：用正则表达式修改字符串

正则表达式不仅可以“找”，还能“改”。Scala 提供了 replaceAllIn 和 replaceFirstIn 方法用于替换。

替换所有匹配项

val urlRegex = """https?://[^\s]+""".r

val content = "请访问 https://www.example.com 和 http://test.org"

// 将所有 URL 替换为 [链接] 标记
val cleanedContent = urlRegex.replaceAllIn(content, "[链接]")

println(cleanedContent)

输出：请访问 [链接] 和 [链接]

replaceAllIn 会替换所有匹配项，返回新字符串。

替换第一个匹配项

val phoneRegex = """(\d{3})-(\d{4})-(\d{4})""".r

val text = "电话：010-1234-5678 或 021-8765-4321"

// 只替换第一个电话号码
val firstReplaced = phoneRegex.replaceFirstIn(text, "XXX-XXXX-XXXX")

println(firstReplaced)

输出：电话：XXX-XXXX-XXXX 或 021-8765-4321

常见应用场景与实战案例

验证用户输入

val emailRegex = """^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$""".r

def isValidEmail(email: String): Boolean = {
  emailRegex.matches(email)
}

// 测试
println(isValidEmail("user@example.com")) // true
println(isValidEmail("invalid.email"))    // false

提取日志中的时间戳

假设日志格式为：[2024-05-01 14:23:05] 用户登录成功

val logTimeRegex = """\[(\d{4})-(\d{2})-(\d{2}) (\d{2}):(\d{2}):(\d{2})\]""".r

val logLine = "[2024-05-01 14:23:05] 用户登录成功"

val timeMatch = logTimeRegex.findFirstIn(logLine)

timeMatch match {
  case Some(matched) =>
    val Array(year, month, day, hour, minute, second) = matched.group
    println(s"时间：$year年$month月$day日 $hour:$minute:$second")
  case None => println("未找到时间戳")
}

输出：时间：2024年05月01日 14:23:05

小结与建议

Scala 正则表达式是一套强大而灵活的文本处理工具。它不仅能帮你快速验证数据格式，还能高效提取关键信息、批量替换内容。掌握它，意味着你拥有了处理非结构化文本的“超级能力”。

在实际项目中，建议：

对重复使用的正则表达式，提前编译为 Regex 对象，避免重复解析
使用分组捕获来提取结构化信息，而不是手动切割字符串
复杂正则尽量添加注释，或拆分为多个简单表达式
注意性能：过于复杂的正则可能导致匹配效率下降

正则表达式像一把瑞士军刀，用得好能事半功倍，用得不好反而制造麻烦。多练习、多调试，你一定能熟练驾驭 Scala 正则表达式。