Patroonvalidatie

Data opschonen in Java

Dennis Lee

Software Engineer

Waarom we patroonvalidatie nodig hebben

Data moet specifieke formaten volgen om correct te zijn
Voorbeeld: datums zouden een vast formaat moeten volgen, zoals d-MMM-yy
Probleem: inconsistente datumformaten zoals "24/02/22"
Oplossing: gebruik patroonvalidatie om inconsistenties te vinden

// Deze datums zijn uit onze dataset gehaald
List<String> dates = Arrays.asList("4-Jan-22", "1-Aug-22", "7-Jul-22", 
                                   "27-Apr-22", "24/02/22");

Drie soorten patroonvalidatie

Volledige patroonmatch
- Gebruik als het formaat exact moet zijn
- Voorbeeld: datums valideren die d-MMM-yy volgen
Patroon zoeken
- Gebruik als de exacte positie niet uitmaakt
- Voorbeeld: productcategorieën vinden of checken in beschrijvingen
- Producten met "Dark Chocolate": "85% Dark Chocolate Bar", "Dark Chocolate with Nuts"
Tekens matchen
- Gebruik voor snelle datascreening
- Voorbeeld: checken of een hoeveelheidveld letters bevat ("12.5x")

Patronen definiëren met regex

Match datumformaat d-MMM-yy (zoals "4-Jan-22")
Regex: \\d{1,2}-[A-Za-z]{3}-\\d{2}

\\d{1,2}     // 1-2 cijfers voor dag (zoals 4 of 27)
-            // letterlijk koppelstreepje

[A-Za-z]{3}  // precies 3 letters voor maand zoals Jan; hoofd- of kleine letters
-            // letterlijk koppelstreepje

\\d{2}       // precies 2 cijfers voor jaar (zoals 22)

Volledige patroonmatch

import java.util.regex.Pattern;

// Match d-MMM-yy
Pattern datePattern = Pattern.compile("\\d{1,2}-[A-Za-z]{3}-\\d{2}");


for (String date : dates) {
    // Check of date overeenkomt met datePattern
    boolean isValid = datePattern.matcher(date).matches();
    System.out.println(date + " is geldig: " + isValid);
}

Volledige patroonmatch: output

4-Jan-22 is geldig: true
1-Aug-22 is geldig: true
7-Jul-22 is geldig: true
27-Apr-22 is geldig: true
24/02/22 is geldig: false

Patroon zoeken

import java.util.regex.Matcher;

Pattern monthPattern = Pattern.compile("[A-Za-z]{3}"); // 3 letters zoals "Jan"

for (String date : dates) {
    Matcher matcher = monthPattern.matcher(date);  // Staat monthPattern in date?

    if (matcher.find()) { // Geeft true terug als het patroon is gevonden

        // matcher.group() geeft de match terug
        System.out.println("Maand gevonden: " + matcher.group());
    } else {
        System.out.println("Geen maand gevonden in: " + date);
    }
}

Patroon zoeken: output

Maand gevonden: Jan
Maand gevonden: Aug
Maand gevonden: Jul
Maand gevonden: Apr
Geen maand gevonden in: 24/02/22

Tekens matchen

import com.google.common.base.CharMatcher;

for (String date : dates) {
    boolean isValid =
            // Controleer op cijfers in date
            CharMatcher.inRange('0', '9').matchesAnyOf(date) &&

             // Controleer op letters (hoofd- en kleine) in date
            CharMatcher.inRange('a', 'z')
                    .or(CharMatcher.inRange('A', 'Z')).matchesAnyOf(date) &&

            CharMatcher.is('-').matchesAnyOf(date); // Controleer op koppeltekens in date
    System.out.println(date + " heeft geldige tekens: " + isValid);
}

Tekens matchen: output

4-Jan-22 heeft geldige tekens: true
1-Aug-22 heeft geldige tekens: true
7-Jul-22 heeft geldige tekens: true
27-Apr-22 heeft geldige tekens: true
24/02/22 heeft geldige tekens: false

Alles samenbrengen

// Definieer patroon d-MMM-yy, zoals 4-Jan-22
Pattern datePattern = Pattern.compile("\\d{1,2}-[A-Za-z]{3}-\\d{2}");

// Volledige patroonmatch (komt date overeen met datePattern?)
boolean matchesPattern = datePattern.matcher(date).matches();

// Patroon zoeken (heeft date een maand-substring?)
boolean hasMonth = Pattern.compile("[A-Za-z]{3}").matcher(date).find();

// Tekens matchen (bevat date cijfers?)
boolean hasDigits = CharMatcher.digit().matchesAnyOf(date);

Laten we oefenen!

Data opschonen in Java