Pattern & Matcher — Complete Example

今天我们来聊聊 Apex 里处理电子邮件的一个实用例子——怎么用正则表达式把乱七八糟的邮箱地址整理成统一的格式，并且还能找出重复的记录。这个例子虽然不长，但里头的门道不少，我们一步步拆开来讲。 首先，想象一下，有些客户填写的公司邮箱可能带着各种奇怪的子域名，比如 john@*.smithco.com，这种格式其实不太标准。我们想要把这种地址简化成 john@smithco.com。怎么做到呢？就用到了带有，命名捕获组，的正则表达式。 这个正则大致会分成两部分：一个是用户名，一个是域名。我们用命名捕获组把这两块分别抓出来，比如给用户名起名叫 `user`，域名叫 `domain`。然后，在匹配的过程中，我们还能对捕获到的域名部分做进一步的清洗，去掉那些多余的星号、点号之类的，只保留 `smithco.com`。 具体代码里，我们会调用 `matcher.replaceAll('')` 这样一个方法。它的作用是把每个匹配到的邮箱地址替换成我们规范化后的格式。这里头其实隐含了一个逻辑：如果你在替换的字符串里引用命名捕获组，就可以重新组合出干净的邮箱。 好，规范化这一步做完了，接下来要在批处理里检测重复的邮箱。这里的“批内”是指我们可能一次性处理一批数据，比如几百条联系人记录。为了防止同一批数据里有重复的规范化邮箱地址，我们可以建一个 Map，Key 就是规范化后的邮箱，Value 是记录本身。这样，当发现 Key 已经存在的时候，就知道遇到了重复，可以进行相应的处理，比如标记或者跳过。 相比批内去重，更关键的是要和数据库里已有的数据比对。Apex 里通常会有一个自定义字段，比如叫 `duplicate_key__c`，专门存储规范化后的邮箱。这样我们就可以直接用 SOQL 查询：“找出所有 `duplicate_key__c` 等于这个新邮箱的现有记录”。如果查到了，就说明老记录已经存在，我们就能做出防重逻辑。 以上是实际业务里和 Salesforce 平台结合的做法。现在再来看一个更基础的正则匹配小例子，帮助大家理解 `Matcher` 的一些方法。 假设我们用一个简单的正则，去匹配一个字符串，并且带了一个捕获组。例如，匹配字母 “a”，并且把它捕获。当你调用 `matcher.find()` 之后，可以用 `matcher.group(0)` 得到整个匹配到的字符串，用 `matcher.group(1)` 得到第一个捕获组的内容。这里注意，`group(0)` 总是代表整个匹配，不管你有没有显式的括号。 还有一个 `end()` 方法，它返回的是最后一个匹配字符后面的那个位置的索引偏移量。这个索引是从 0 开始数的，所以如果整个匹配占了字符串的前几个字符，`end()` 得到的数字其实就是匹配部分的长度，因为它是最后一个字符后面的位置。比如匹配到的部分是从索引 0 到 2，那 `end()` 就是 3。 理解这些小细节，对于后面编写更复杂的正则替换逻辑非常有帮助。 总结一下这一页 Slide 的核心：我们学会了用正则表达式抓取邮箱的用户和域，清洗域名，再用 `replaceAll` 格式化。同时，在批处理内部用 Map 去重，并且利用数据库字段做跨记录比对，防止数据重复。最后还温习了 Matcher 里的 `group` 和 `end` 方法，为实战打下基础。 这样讲，是不是清晰多了？有疑问随时提。