Scala中的函数可以独立定义和存在，它们可以直接作为值被赋值给变量。根据Scala的语法规定，当将函数赋值给变量时，必需在函数名后面加上空格和下划线。原因是这样可以提高代码的可读性，并避免与变量名冲突。

def sayHello(name: String) {
    println("Hello, " + name)
}

val sayHelloFunc = sayHello _
sayHelloFunc("张三")
}

匿名函数

匿名函数是一种没有名称的函数，可以通过以下语法格式进行定义：(参数名：参数类型) => 函数体

其中，参数名和参数类型是函数的参数列表，函数体是函数的具体实现。可以将匿名函数直接赋值给某个变量。

val sayHelloFunc = (name: String) => println("Hello, " + name)
// 如果是多行，需要添加{}
val sayHelloFunc = (name: String) => {
    name += "0"
    println("Hello, " + name)
}

高阶函数

接收其它函数作为当前函数的参数，当前这个函数也被称作高阶函数。

// 1. 先定义一个匿名函数，赋值给变量sayHelloFunc
val sayHelloFunc = (name: String) => println("Hello " + name)

// 2. 再定义一个高阶函数，这个高阶函数的参数会接收一个参数
def greeting(func: (String) => Unit, name: String) {
    func(name)
}

// 3. 将值传递进去
greeting(sayHelloFunc, "张三")

// 4. 也可以使用匿名函数的写法
greeting((n: String) => println(n), "张三") // 简写：greeting(n => println(n), "张三")

整理使用方法如下所示：

// 先定义一个高阶函数
def greeting(func: (String) => Unit, name: String) { 
    func(name) 
}
// 使用高阶函数：完整写法
greeting((name: String) => println("Hello, " + name), "scala")

// 使用高阶函数：高阶函数可以自动推断出参数类型，而不需要写明类型
greeting((name) => println("Hello, " + name), "scala")

// 使用高阶函数：对于只有一个参数的函数，还可以省去其小括号
greeting(name => println("Hello, " + name), "scala")

常用高阶函数

刚才是自行实现的高阶函数，但在工作中使用自己定义高阶函数的场景不多，大部分场景都是去使用已有的高阶函数。

• map：对传入的每个元素都进行处理，返回一个元素
• flatMap：对传入的每个元素都进行处理，返回一个或者多个元素
• foreach：对传入的每个元素都进行处理，但是没有返回值
• filter：对传入的每个元素都进行条件判断，如果返回true，则保留该元素，否则过滤掉该元素
• reduceLeft：从左侧元素开始，进行reduce操作

map

使用方式如下，如果只有一行可以去除{}，也可以简写成_

Array(1, 2, 3, 4, 5).map(n => {n * 2}) // 2, 4, 6, 8, 10
Array(1, 2, 3, 4, 5).map(n => n * 2)
Array(1, 2, 3, 4, 5).map(_ * 2)

flatMap

Array("hello you", "hello me").flatMap(line => line.split(" ")) // hello, you, hello, me
Array("hello you", "hello me").flatMap(_.split(" "))

foreach

Array(1, 2, 3, 4, 5).map(_ * 2).foreach(num=>println(num))
Array(1, 2, 3, 4, 5).map(_ * 2).foreach(println(_))
Array(1, 2, 3, 4, 5).map(_ * 2).foreach(println _)
Array(1, 2, 3, 4, 5).map(_ * 2).foreach(println)

filter

Array(1, 2, 3, 4, 5).filter(num=>num % 2 == 0)
Array(1, 2, 3, 4, 5).filter(_ % 2 == 0)

reduceLeft

表示先对元素1和元素2进行处理，然后将结果与元素3处理，再将结果与元素4处理，依次类推；spark中有一个reduce函数，和这个函数的效果一致

Array(1, 2, 3, 4, 5).reduceLeft((t1, t2) => t1+t2)
Array(1, 2, 3, 4, 5).reduceLeft( _ + _)

案例：函数式编程

统计多个文本内的单词总数，使用scala的IO包读取文本文件内的数据。

val lines01 = scala.io.Source.fromFile("D://a.txt").mkString
val lines02 = scala.io.Source.fromFile("D://b.txt").mkString

注意：下面这一行是核心代码，使用了链式调用的函数式编程。

lines.flatMap(_.split( " ")).map((_, 1)).map(_._2).reduceLeft(_ + _)

• lines.flatMap(_.split( " ")) ：表示对每一行数据使用空格进行切割，返回每一个单词
• .map((_, 1))：针对每一个单词，都转成tuple类型，tuple中的第1个元素是这个单词，第2个元素表示单词出现的次数
• .map(_._2)：迭代每一个tuple，获取tuple中的第2个元素
• .reduceLeft(_ + _)：对前面获取到的元素进行累加求和