Spark样本类与模式匹配

一、前言

样本类（case class）与模式匹配(pattern matching)是Scala中一个比较复杂的概念，往往让人感觉深陷泥沼。我在这里对Scala中的样本类与模式匹配进行了一些整理，希望让大家有些收获。

要学习样本类与模式匹配，先要理解这两个基本概念 。样本类是Scala提出的新概念，简单可以理解成希望用来做模式匹配的类加上case关键词就是样本类。模式匹配可以拆开来理解。这里模式不同于设计模式的模式，而是数据结构上的模式。这里的模式(pattern)是一个只包含变量、 有点类似于Java正则表达式中的模式，不过正则中模式只是用于匹配字符串而已，而这里的模式是针对某种类型或数据结构进行抽象出的表达式。

Scala的模式匹配机制，可以应用在switch语句、类型检查以及”析构“等场合。样本类是对模式匹配进行了优化。          

二、样本类

样本类与普通类的区别除了在前面添加case关键词之外，Scala还自动给样本类添加了一些方法。下面通过例子进行讲解。

1 2 3 4 5

abstract class Expr   case class FibonacciExpr(n: Int) extends Expr {             // 样本类   require(n >= 0) }

首先，样本类会添加与类名一致的工厂方法，可以使用该工厂方法创建对象    

1 2	scala> val fb = FibonacciExpr(12) fb: FibonacciExpr = FibonacciExpr(12)

其次，样本类参数类表中的参数获得val前缀，所以它被当作字段维护  

1 2	scala> fb.n res0: Int = 12

 最后，编译器为样本类添加了hashcode,equals和toString等方法的“自然”实现

1 2	scala> fb.toString() res2: String = FibonacciExpr(12)

三、模式匹配

更好的switch

1 2 3 4 5

ch match {   case '+' => sign = 1   case '-' => sign = -1   case _ => sign = 0 }

上面的代码中为match表达式，"case _"对应于Java的default情况，match对应与Java中switch，不过位置与Java不同

Scala： 选择器 match {备选项}            Java： switch (选择器) {备选器} 

一个模式匹配中包含一系类的备选项，而每个备选项开始于case关键词 ，并且都包含一个模式(pattern)及一到多个表达式。Java风格的switch能够自然地表达为match表达式，  但两者还是有一定区别。首先，match是Scala的表达式，不是语句，即它始终以值作为返回结果。其次，Scala的备选项表达式永远进行下一个case，无需break。第三、如果没有模式匹配，会跑出MatchError异常，所以必须考虑到所有的情况。            

模式的种类

我们已经知道模式是一种针对每种类型或数据结构抽象出表达式，但是模式有多种类型。

通配模式与常量模式    

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

def describe(x: Any) = x match {     case 5 => "five"     case true => "truth"     case "hello" => "hi!"     case Nil => "the empyt list"     case _ => "somethint else" }   // 运行结果 scala> describe(5) res3: String = five   scala> describe(true) res4: String = truth   scala> describe("hello") res5: String = hi!   scala> describe(3.23) res6: String = somethint else

常量模式仅匹配自身 。任何字面量都可以作为常量，例如：5，true,”hello“都是常量模式。任何val变量或单例对象也可作为常量。而通配模式"_"可以匹配任意对象，经常作为最后的匹配或用来忽略对象的类型。

变量模式        

单纯的变量模式没有匹配判断的过程，只是为将传入的对象重命名新的变量名 然后在匹配完成后中表达式中使用该传入的对象

1	scala> site match { case whateverName => println(whateverName) }

上面的例子中匹配的site对象用whateverName进行指代，但是变量名有命名规则： 用小写字母开始的名称为变量，否则认为是常量  。

然而变量模式不会单独使用，而是在多种模式中组合使用，如下所示

1	List(1,2) match{ case List(x,2) => println(x) }

上面的例子中x就是将匹配到的第一个元素用变量x标记

构造器模式           

构造器模式是真正能体现模式匹配强大的地方！构造器模式能够支持深度匹配（deep match），这是它强大的原因，匹配模式不仅匹配外层的构造器，而且匹配构造器参数是否匹配，这样的话，可以检查到构造器对象内部的任意深度 。实例如下

1 2 3 4 5 6 7

scala> :paste //抽象节点 trait Node //具体的节点实现，有两个子节点 case class TreeNode(v:String, left:Node, right:Node) extends Node //Tree，构造参数是根节点 case class Tree(root:TreeNode)

构造一个根节点包含2个子节点的树

1	scala>val tree = Tree(TreeNode("root",TreeNode("left",null,null),TreeNode("right",null,null)))

如果我们期望一个树的构成是根节点的左子节点值为”left”，右子节点值为”right”并且右子节点没有子节点
那么可以用下面的方式匹配     

1 2 3 4

scala> tree.root match {         case TreeNode(_, TreeNode("left",_,_), TreeNode("right",null,null)) =>              println("bingo")     }

在上面的匹配中，模式检查顶层对象TreeNode，以及第二次对象TreeNode("left",_,_)， TreeNode("right",null,null)，_，和最后第三层对象的参数值”left“,"right","_"，这个模式仅有一行但却能检查三层深度。

类型模式  

类型模式，就是判断对象的类型，相较于isInstanceOf而言类型模式更加优秀。

1 2 3 4 5 6

obj match {   case x: Int => x   case s: String => Integer.parseInt(s)   case _: BigInt => Int.MaxValue   case _ => 0 }

类型匹配是发生在运行期的，因此JVM中泛型的类型信息会被擦除，所以不能匹配泛型的特定类型

1 2	case m: Map[String, Int] => ...  // 不行 case m: Map[_, _] => ...  // 匹配通用的Map，OK

但对于数组而言，因为在Java与Scala中数组被特殊处理了，数组的元素类型与数组值保存在一起，因此它可以做模式匹配

1	case a: Array[String] => "yes"

抽取器模式（extractor pattern）

抽取器模式使用unapply来提取固定数量的对象，使用unapplySeq来提取一个序列。先看一个例子

1 2 3 4 5 6

arr match {   case Array(0) => "0"  // 匹配包含0的数组   case Array(x, y) => x + " "　＋ y  // 匹配任何带有两个元素的数组，并将元素绑定到x和y   case Array(0, _*) => "0 ..."  // 匹配任何以0开始的数组   case _ => "something else" }

在前面的代码 case Array(0, x) => ...中， Array(0, x)部分实际上是使用了伴生对象中的提取器，实际调用形式是： Array.unapplySeq(arr)。根据Javadoc，提取器方法接受一个Array参数，返回一个Option。 

使用抽取器模式能够数组、列表和元组，还可以使用在正则表达式

1 2 3 4

val pattern = "([0-9]+) ([a-z]+)".r "99 bottles" match {   case pattern(num, item) => ... }

变量绑定模式    

变量绑定模式可以对其它模式添加变量，代码实例如下： 

1 2 3

scala> tree.root match {          case TreeNode(_, leftNode@TreeNode("left",_,_), _) => leftNode         }

上面代码中，leftNode变量 使用@符号绑定到匹配的左节点上，正如代码中写的，匹配成功后返回左节点

四、模式守卫（pattern guard）

模式守卫能够重新制定匹配规则， 代码实例如下：

 

1 2 3 4 5 6 7

abstract class Expr     case class Number(num: Double) extends Expr     case class BinOp(operator: String,left: Expr, right: Expr) extends Expr   def simplifyTop(expr: Expr): Expr = expr match {   case BinOp("+",x,y) if x==y => BinOp("*",x,Number(2)) }

上面的代码中，对模式进行了简化，对表达式(x+x)​转换成(x*2)。

五、封闭类

当使用样本类做模式匹配时，必须确信考虑到所有可能的情况，有时候可以通过添加默认处理做到这点，这里还有一种方法，那就是封闭类。

将样本类的超类声明为sealed，则该类为封闭类，则除了封闭类所在的文件之外不能添加任何新的子类，即子类与密封类在一个文件中定义。定义为封闭类之后，编译器能够确保已经列出所有可能的选择。

1 2 3 4 5

sealed abstract class Expr   case class Var(name: String) extends Expr   case class Number(num: Double) extends Expr   case class UnOp(operator: String, arg:Expr) extends Expr   case class BinOp(operator: String,left: Expr, right: Expr) extends Expr

六、Option类型

Option类型用来表示可能存在也可能不存在的值，用于取代null值得使用。

Option有两种形式：Some(x)，x是实际值，None表示没有值

1 2 3 4

scores.get("Alice") match {   case Some(score) => println(score)   case None => println("No score") }

七、偏函数(Partial function) 

偏函数到底是什么呢？ 概括来说，偏函数是继承特质 PartialFunction的一个一元函数，它只在部分输入上有定义， 并且允许使用者去检查其在一个给定的输入上是否有定义。为此，特质 PartialFunction 提供了一个 isDefinedAt 方法。 事实上，类型 PartialFunction[-A, +B] 扩展了类型 (A) => B （一元函数，也可以写成 Function1[A, B] ）。 模式匹配型的匿名函数的类型就是 PartialFunction 。

偏函数有两种定义方法

1 2 3 4 5 6 7

def p1:PartialFunction[Int, Int] = {       case x if x > 1 => 1   }     def p2 = (x:Int) => x match {       case x if x > 1 => 1   }