การตรวจสอบรูปแบบ

การทำความสะอาดข้อมูลใน Java

Dennis Lee

Software Engineer

ทำไมต้องตรวจสอบรูปแบบ

ข้อมูลต้องอยู่ในรูปแบบที่กำหนดเพื่อความถูกต้อง
ตัวอย่าง: วันที่ควรมีรูปแบบสม่ำเสมอ เช่น d-MMM-yy
ปัญหา: รูปแบบวันที่ไม่สม่ำเสมอ เช่น "24/02/22"
วิธีแก้: ใช้การตรวจสอบรูปแบบเพื่อหาข้อมูลที่ไม่ตรงรูปแบบ

// We extracted these dates from our dataset
List<String> dates = Arrays.asList("4-Jan-22", "1-Aug-22", "7-Jul-22", 
                                   "27-Apr-22", "24/02/22");

การตรวจสอบรูปแบบ 3 ประเภท

การจับคู่รูปแบบเต็ม
- ใช้เมื่อต้องการให้รูปแบบตรงทุกตำแหน่ง
- ตัวอย่าง: ตรวจสอบวันที่ที่ตรงรูปแบบ d-MMM-yy
การค้นหารูปแบบ
- ใช้เมื่อไม่จำเป็นต้องระบุตำแหน่งที่แน่นอน
- ตัวอย่าง: ค้นหาหมวดหมู่สินค้าในคำอธิบาย
- สินค้าที่มี "Dark Chocolate": "85% Dark Chocolate Bar", "Dark Chocolate with Nuts"
การจับคู่อักขระ
- ใช้สำหรับคัดกรองข้อมูลเบื้องต้น
- ตัวอย่าง: ตรวจสอบว่าฟิลด์จำนวนมีตัวอักษรหรือไม่ ("12.5x")

กำหนดรูปแบบด้วย regex

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

\\d{1,2}     // 1-2 digits for day (like 4 or 27)
-            // literal hyphen separator

[A-Za-z]{3}  // exactly 3 letters for month like Jan; uppercase or lowercase
-            // literal hyphen separator

\\d{2}       // exactly 2 digits for year (like 22)

การจับคู่รูปแบบเต็ม

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 if date matches datePattern
    boolean isValid = datePattern.matcher(date).matches();
    System.out.println(date + " is valid: " + isValid);
}

การจับคู่รูปแบบเต็ม: ผลลัพธ์

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

การค้นหารูปแบบ

import java.util.regex.Matcher;

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

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

    if (matcher.find()) { // Returns true if the pattern is found

        // matcher.group() returns the matched content
        System.out.println("Month found: " + matcher.group());
    } else {
        System.out.println("No month found in: " + date);
    }
}

การค้นหารูปแบบ: ผลลัพธ์

Month found: Jan
Month found: Aug
Month found: Jul
Month found: Apr
No month found in: 24/02/22

การจับคู่อักขระ

import com.google.common.base.CharMatcher;

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

             // Check for letters (uppercase and lowercase) in date
            CharMatcher.inRange('a', 'z')
                    .or(CharMatcher.inRange('A', 'Z')).matchesAnyOf(date) &&

            CharMatcher.is('-').matchesAnyOf(date); // Check for hyphens in date
    System.out.println(date + " has valid characters: " + isValid);
}

การจับคู่อักขระ: ผลลัพธ์

4-Jan-22 has valid characters: true
1-Aug-22 has valid characters: true
7-Jul-22 has valid characters: true
27-Apr-22 has valid characters: true
24/02/22 has valid characters: false

สรุปภาพรวม

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

// Full pattern matching (does date match datePattern?)
boolean matchesPattern = datePattern.matcher(date).matches();

// Pattern finding (does date have a month substring?)
boolean hasMonth = Pattern.compile("[A-Za-z]{3}").matcher(date).find();

// Character matching (does date have digits?)
boolean hasDigits = CharMatcher.digit().matchesAnyOf(date);

มาฝึกกันเถอะ!

การทำความสะอาดข้อมูลใน Java