scala - 在 Scala/Spark 中合并多个连续条目

Question

我有一个用逗号分隔的数字数组，如下所示:

a:{108,109,110,112,114,115,116,118}

我需要这样的输出:

a:{108-110, 112, 114-116, 118}

我试图将连续的数字分组，中间用“-”。 例如，108,109,110是连续的数字，所以我得到108-110。 112是单独条目； 114,115,116 再次代表一个序列，所以我得到 114-116。 118 是单独的并按此处理。

我正在 Spark 中执行此操作。我编写了以下代码:

import scala.collection.mutable.ArrayBuffer

def Sample(x:String):ArrayBuffer[String]={
  val x1 = x.split(",")
  var a:Int = 0
  var present=""
  var next:Int = 0
  var yrTemp = ""
  var yrAr= ArrayBuffer[String]()
  var che:Int = 0
  var storeV = ""
  var p:Int = 0 
  var q:Int = 0

  var count:Int = 1

  while(a < x1.length)
  {
      yrTemp = x1(a)

      if(x1.length == 1)
      {
          yrAr+=x1(a)
      }
      else
      if(a < x1.length - 1)
       {
           present = x1(a)
          if(che == 0)
          {
                storeV = present
          }

          p = x1(a).toInt
          q = x1(a+1).toInt

          if(p == q)
          {
              yrTemp = yrTemp
              che = 1
          }
          else
          if(p != q)
             {
                 yrTemp = storeV + "-" + present 
                 che = 0
                 yrAr+=yrTemp
             }

       }
       else
            if(a == x1.length-1)
            {
                present = x1(a)
                yrTemp = present 
                che = 0
                yrAr+=yrTemp
            }
      a = a+1
  }
yrAr
}
val SampleUDF = udf(Sample(_:String))

我得到的输出如下:

a:{108-108, 109-109, 110-110, 112, 114-114, 115-115, 116-116, 118}

我不知道我哪里出了问题。你能帮我纠正这个问题吗？ TIA。

Answer 1

这是另一种方法:

def rangeToString(a: Int, b: Int) = if (a == b) s"$a" else s"$a-$b"

def reduce(xs: Seq[Int], min: Int, max: Int, ranges: Seq[String]): Seq[String] = xs match {
    case y +: ys if (y - max <= 1) => reduce(ys, min, y, ranges)
    case y +: ys                   => reduce(ys, y, y, ranges :+ rangeToString(min, max))
    case Seq()                     => ranges :+ rangeToString(min, max)
}

def output(xs: Array[Int]) = reduce(xs, xs.head, xs.head, Vector())//.toArray

您可以测试:

println(output(Array(108,109,110,112,114,115,116,118)))
  // Vector(108-110, 112, 114-116, 118)

基本上，这是一个尾递归函数 - 即，您将“变量”作为输入，然后它在每个循环上使用更新的“变量”调用自身。因此，这里 xs 是您的数组，min 和 max 是用于跟踪迄今为止最低和最高数字的整数，而 range 是在需要时添加的字符串的输出序列。

第一个模式(y 是第一个元素，ys 是序列的其余部分 - 因为这就是 +: 提取器的方式如果至少有一个元素(ys 可以是空列表)并且它是前一个最大值的后续元素，则匹配。

第二个是如果它不继续，则需要重置最小值并将完成的范围添加到输出中。

第三种情况是我们到达输入末尾并仅输出结果，而不是再次调用循环。

互联网业力指向任何能够找出如何消除范围重复的人:+ rangeToString(min, max)!