译者注：原文出处http://danielwestheide.com/blog/2012/12/12/the-neophytes-guide-to-scala-part-4-pattern-matching-anonymous-functions.html，翻译：Thomas
在前一篇中，我大致介绍了在Scala里使用模式的几种方式，顺便提到了模式还可用在匿名函数中。此篇我们将会深入的理解这个话题，来看看定义匿名函数的不同方式。
如果你参加过Coursera的Scala课程（译者注：还没有参加过？赶紧报名吧）或者已经用Scala一阵子了，你一定已经时不时的写过些匿名函数了。比如，为了搜索索引，你可能想要把一个歌名列表转成小写，你可以写一个匿名函数然后丢给list的map方法：
val songTitles = List("The White Hare", "Childe the Hunter", "Take no Rogues")
songTitles.map(t => t.toLowerCase) 或者，你想要代码简短些，你可以用Scala的占位符语法写出下面的规范代码：
songTitle.map(_.toLowerCase)
这看上去没啥特别。那么我们来看看这种语法如何用在稍微不同的场景里：我们有一个pair的序列，每一个pair表示一个词以及它在文中出现的频次。我们想要过滤出那些超过或不到一定频次的单词，仅仅返回单词就可以了，不需要单词的词频。我们来写一个函数
wordsWithoutOutliers(wordFrequencies: Seq[(String, Int)]): Seq[String]。
我们的第一种解决方法是用filter和map方法，用我们熟悉的方式传递一个匿名函数：
val wordFrequencies = ("habitual", 6) :: ("and", 56) :: ("consuetudinary", 2) ::
("additionally", 27) :: ("homely", 5) :: ("society", 13) :: Nil
def wordsWithoutOutliers(wordFrequencies: Seq[(String, Int)]): Seq[String] =
wordFrequencies.filter(wf => wf._2 > 3 && wf._2 < 25).map(_._1)
wordsWithoutOutliers(wordFrequencies) // List("habitual", "homely", "society") 这方法存在几个问题，首先是可读性 - 访问tuple的字段我看着都要吐了（_2是啥，_._1又是啥哦）。 只要能够解构这些Tuple，我们的代码就会看着舒服些，当然也会可读些。
谢天谢地，Scala提供一种定义匿名函数的替代方法：模式匹配匿名函数是由一些case组成的以花括号包含的代码块作为函数体，不过代码块前不带match关键字。我们用此方式来来重写下函数：
def wordsWithoutOutliers(wordFrequencies: Seq[(String, Int)]): Seq[String] =
wordFrequencies.filter { case (_, f) => f > 3 && f < 25 } map { case (w, _) => w } 在这个例子中，每个匿名函数只有一个case，因为情况不复杂 - 我们只是单纯的解构一个我们在编译时已经明确的数据结构，所以不会出错。这是使用模式匹配匿名函数的最常用的用法。
如果你把两个匿名函数赋给常量，你就会清楚知道它们的实际类型：
val predicate: (String, Int) => Boolean = { case (_, f) => f > 3 && f < 25 }
val transformFn: (String, Int) => String = { case (w, _) => w } 请注意你必须提供参数的数据类型，因为Scala编译器没有足够信息来推断模式匹配匿名函数的类型。
没人能够阻止你实现非常复杂的case序列，不过，如果你定义类似的匿名函数并且将它们传递给其它函数，像我们的例子一样，你必须要确保针对所有可能的输入，你的匿名函数中必须有一个case能被匹配到并返回值，否则运行时可能抛出MatchError。
偏函数
有时候，你仅仅需要能处理特定输入数据范围的的参数函数，事实上这种函数能帮助我们排除目前实现的wordsWithoutOutliers函数的另一个问题：我们首先过滤输入的序列然后map被过滤出来的元素，如果我们可以归结成一个方案使我们只需要遍历序列一次，就能让函数消耗更少的CPU周期，提高执行效率，同时让代码更加短小易读。
如果你看过Scala集合的API，你也许会注意到有一个叫做collect的方法，在一个Seq[A]数据下，它的形式是
def collect[B](pf: PartialFunction[A, B])
该方法为Seq里的每个元素执行一次偏函数并返回一个新的序列 - 这偏函数同时过滤和map序列。
那么什么是偏函数呢？简单来说，它是一个明确只处理特定数据范围的一元函数，调用者可以检查它是否有定义某个数据的处理逻辑。
为此，PartialFunction提供了一个isDefinedAt方法。实际上，PartialFunction[-A,+B]类型扩展了(A)=>B类型（也可以写作Function1[A,B])，一个模式匹配匿名函数的类型总是PartialFunction。
源于这样的层级关系，在调用一个需要输入Function1作为参数的函数时（如map或filter），给它提供一个模式匹配匿名函数也是完全可以的，只要这函数能够处理所有输入数，也即，总是会匹配一种情形。
而collect方法指定需要传递一个PartialFunction[A, B]函数，这函数或许不会为所有的输入数据定义处理逻辑。在collect方法内部，它会逐个检查序列中的每个元素，通过调用偏函数的isDefinedAt来确认偏函数里是否定义了相关逻辑，如果isDefinedAt返回false，该元素就会被跳过，否则把元素传递给偏函数，偏函数的返回值被加入collect返回的序列中。
我们先来定义一个偏函数，用来重构wordsWithoutOutliers方法以使用collect函数：
val pf: PartialFunction[(String, Int), String] = {
case (word, freq) if freq > 3 && freq < 25 => word
}
我们为case子句添加了一个守卫分句，所以函数将不会处理不在指定范围的元素。
除了用上面的模式匹配匿名函数的语法外，我们还可以通过显式的继承PartialFunction接口来实现这个函数：
val pf = new PartialFunction[(String, Int), String] {
def apply(wordFrequency: (String, Int)) = wordFrequency match {
case (word, freq) if freq > 3 && freq < 25 => word
}
def isDefinedAt(wordFrequency: (String, Int)) = wordFrequency match {
case (word, freq) if freq > 3 && freq < 25 => true
case _ => false
}
} 显然，你可能更愿意用简洁的模式匹配匿名函数的写法。
如果我们将这偏函数传递给map方法，编译是可以通过的（译者注：因为偏函数是Function1的子类），不过将会抛出运行时错误MatchError，因为由于守卫分句的存在，这个偏函数没有为所有可能的输入值进行处理：
wordFrequencies.map(pf) // 将会抛出MatchError
当我们将这个偏函数传递给collect方法时，它将会如我们所愿的执行，同时进行过滤和map：
wordFrequencies.collect(pf) // List("habitual", "homely", "society") 这个结果和我们目前实现的
wordsWithoutOutliers方法输出是一致的。让我们来改写下
wordsWithoutOutliers
函数：
def wordsWithoutOutliers(wordFrequencies: Seq[(String, Int)]): Seq[String] =
wordFrequencies.collect { case (word, freq) if freq > 3 && freq < 25 => word }
偏函数还有其他一些有用的特性，例如，他们提供了函数链接，用规整的函数式的方法来实现OOP里的所谓责任链模式。这个话题会在后续篇章里讲解，在我们搞定函数拼装问题后。
