scala里的模式匹配和Case Class

时间:2022-10-29 05:52:00

模式匹配的简介

  scala语言里的模式匹配可以看作是java语言中switch语句的改进。

 

模式匹配的类型

  包括:常量模式、变量模式、构造器模式、序列模式、元组模式以及变量绑定模式等。

 

 

常量模式匹配

  常量模式匹配,就是在模式匹配中匹配常量啦。

objectConstantPattern{
  def main(args:Array[String]) :Unit = {
    //模式匹配结果作为函数返回值
    defpatternShow(x : Any) = x match {
      case 5 => "五"
      case true => "真"
      case "test" => "字符串"
      case null => "null值"
      case Nil => "空列表"
      case _ => "其他常量"
    }
    println(patternShow(5))
    println(patternShow(true))
    println(patternShow(List()))
  }
}

 

 

 

 

变量匹配

  变量匹配,匹的是case语句后面接的是scala变量,如case x if(x == 5) => x等,在使用时一般会加守卫条件,当然也可以像case x => x这样使用,它会匹配任何输入的合法变量。

objectVariablePattern{
  def main(args:Array[String]) :Unit = {
  //模式匹配结果作为函数返回值
  defpatternShow(x : Any) = x match {
    case x if (x == 5) => x
    case x if (x == "Scala") => x
    case _ =>
  }
  println(patternShow(5))
  println(patternShow("Scala"))
  }
}

 

 

 

构造器模式

  构造器模式指的是,直接在case语句后面接类构造器,匹配的内容放置在构造器参数中。

  //将Person类定义为case class
case class Person(name : String,age : Int)


object ConstructorPattern{
    def main(args:Array[String]) :Unit = {
      val p = new Person("nyz",27)
      def constructorPattern(p : Person) = p match {
        //构造器模式必须将Person类定义为case class,否则需要自己定义伴生对象并实现unapply方法。
        case Person(name,age) => "name =" + name + ",age =" + age
        //case Person(_,age) => "age =" + age
        case _ => "Other"
      }
      println(constructorPattern(p))
    }
}

 

 

序列化模式
  序列模式用于匹配如数组Array、列表List、Range这样的线性结构集合,其实原理也是通过case class起作用的。

object SequencePattern{
  def main(args:Array[String]) :Unit = {
    val list = List("spark","Hive","SparkSQL")
    val arr = Array("SparkR","Spark Streaming","Spark MLib")
  def sequencePattern(p : Any) = p match {{
    //序列模式匹配,_*表示匹配剩余内容,first、second匹配数组p中的第一、二个元素
    case Array(first,second,_*) => first + "," + second
    //_匹配数组p的第一个元素,但不赋给任何变量
    case List(_,second,_*) => second
    case _ => "Other"
  }
  println(SequencePattern(list))
  println(SequencePattern(arr))
  }
}

 

 

 


元组模式
  元组模式用于匹配scala中的元组内容,用于匹配元组类型的变量内容。
object TuplePattern{
  def main(args:Array[String]) :Unit = {
    val list = List("spark","Hive","SparkSQL")
  def tuplePattern(t : Any) = t match {{
    case (one,_,_) => one
    //_*不适合用于元组,只适用于序列
    //case (one,_*) => one
    case _ => "Other"
  }
  println(tuplePattern(t))
  }
}

 

 

 

 

 

类型模式
  它可以匹配输入待匹配变量的类型
object TypePattern{
  def main(args:Array[String]) :Unit = {
  def typePattern(t : Any) = t match {{
    case t : String => "String"
    case t : Int => "Intger"
    case t : Double => "Double"
    case _ => "Other Type"
  }
  println(typePattern(5.0))
  println(typePattern(5))
  println(typePattern("5"))
  println(typePattern(List()))
  }
}

 

 

 

 

变量绑定模式
  在进行模式匹配时,有时不仅仅只是返回一个变量,也可以将某个变量绑定到某个模式上。
  从而将整体匹配结果赋值给该变量。
具体使用方法是在模式前面加变量和@符号。
object VariableBindingPattern{
  def main(args:Array[String]) :Unit = {
    var t = List(List(1,2,3),List(2,3,4))
  def variableBindingPattern(t : Any) = t match {{
    //变量绑定,采用变量名(这里是e)
    //与@符号,如果后面的模式匹配成功,则将整体匹配结果作为返回值
    case List(_,e@List(_,_,_)) => e
    case _ => Nil
  }
  println(variableBindingPattern(t))
  }
}

 

 

 

 

 

 

 

 

package com.dt.spark.scala.basics


class DataFrameWork
case class ComputationFramework(name : String, popular : Boolean) extends DataFrameWork
case class StorageFramework(name : String, popular : Boolean) extends DataFrameWork


object HelloPatternMatch {
  def main(args: Array[String]): Unit = {
    getSalary("Hadoop MapReduce")
    // getSalary("cdcdc",6)

    getMatchType(100)

    getMatchCollection(Array("Spark","Python"))
  
    getBigDataType(ComputationFramework("Spark",true))
    getBigDataType(ComputationFramework("Spark",false))
    getBigDataType(StorageFramework("HDFS",true))

    getValue("Spark",Map("Spark" -> "The hottest!" , "Hadoop " -> "The old !"))
  }

  //对于匹配模式来说,不需什么break,只要匹配到,就不往下了
  def getSalary(name : String) {
  // def getSalary(name : String,age : Int) {
    name match {
      case "Spark" => println("$1500/year")//表示,如果传入是Spark,则说明匹配成功,执行=>后的语句
      case "Hadoop" => println("$1000/year")
      case _ if name == "Scala" => println("$1800/year")//_ if name == "Scala"是守卫条件的方式,
      case _ if name == "Hadoop MapReduce" => println("$800/year")
      // case _name if age >= 5 => println("name : " + _name + " age : " + age + "$100/year")//getSalary("cdcdc",6)
      case _ => println("$90/year")//_是前面没匹配的。即其他

      //如case _ if (i%4 ==0) => println("$1800/year")这是带守卫条件的方式,对变量的值进行判断。

    }
  }


  def getMatchType(msg : Any) {
    msg match {
      case i : Int => println("Integer")
      case s : String => println("String")
      case d : Double => println("Double")
      case array : Array[Int] => println("Array")
      case _ => println("Unkoen type")
    }
  }



  def getMatchCollection(msg : Any) {
    msg match {
      case Array("Scala") => println("One element")
      case Array("Scala","Java")=> println("Two element")
      case Array("Spark", _*) => println("Many elements begins with Spark")
      case _ => println("Unkoen type")
    }
  }



  def getBigDataType(data : DataFrameWork) {
    data match {
      case ComputationFramework(name, popular) => println("ComputationFramework : " + "name : " + name + "popular : " + popular)
      case StorageFramework(name, popular) => println("StorageFramework : " + "name : " + name + "popular : " + popular)
      case _ => println("Some other type")
    }
  }  


  def getValue(key : String , content : Map[String,String]){
    content.get(key) match {
      case Some(value) => println(value)
      case None => println("Not Found!!!")
    }
  }

}