Java 一行上多个标记的提取
我会尽量解释清楚的。我输入一个文本,逐行读取文件(我已经逐字尝试了)。阅读后,我应用了一个有效的正则表达式,但输出文件不适合我,我得到了这种类型的输出:Java 一行上多个标记的提取,java,regex,Java,Regex,我会尽量解释清楚的。我输入一个文本,逐行读取文件(我已经逐字尝试了)。阅读后,我应用了一个有效的正则表达式,但输出文件不适合我,我得到了这种类型的输出: <pers> Sarkozy </pers> <pers> Muscat </pers> , le secrétaire général , devant <pers> Sarkozy </pers> <pers> Muscat </pers> 萨
<pers> Sarkozy </pers>
<pers> Muscat </pers> , le secrétaire général , devant <pers> Sarkozy </pers>
<pers> Muscat </pers>
萨科齐
马斯喀特、勒塞塞雷泰尔、德凡·萨科齐
马斯喀特
我希望:
<pers> Sarkozy </pers>
<pers> Muscat </pers>
<pers> Sarkozy </pers>
<pers> Muscat </pers>
萨科齐
马斯喀特
萨科齐
马斯喀特
我不明白问题出在哪里。。。我觉得从它与我的模式匹配几次的那一刻起,它需要我一行,整个行,而不仅仅是标签。。。是我的正则表达式不好,还是它是我用来读取文件的
我的代码:
public static void main(String[] args) throws IOException {
// TODO Auto-generated method stub
File file = new File(
monfichier);
String fileContent = readFileAsString(file.getAbsolutePath());
countNE countne = new countNE();
String result = countne.countNE(fileContent);
System.out.println(result);
}
public String countNE(String fileContent) throws java.io.IOException {
int i = 0;
Hashtable<String, Integer> table = new Hashtable();
int nbOcc = 0;
String regPerson = "<pers>.?\\w*.?</pers>";
Pattern pPers = Pattern.compile(regPerson);
Matcher m = pPers.matcher(fileContent);
String result = "";
while (m.find()) {
String person = m.group();
// System.out.println(person + " " + i);
// System.out.println(person);
i++;
result += person + "\n";
}
return result;
}
public static String readFileAsString(String filePath)
throws java.io.IOException {
String chaine = "";
// lecture du fichier texte
try {
InputStream ips = new FileInputStream(filePath);
InputStreamReader ipsr = new InputStreamReader(ips);
BufferedReader br = new BufferedReader(ipsr);
String ligne;
while ((ligne = br.readLine()) != null) {
chaine += ligne + "\n";
}
br.close();
} catch (Exception e) {
System.out.println(e.toString());
}
System.out.println(chaine);
return chaine;
}
}
publicstaticvoidmain(字符串[]args)引发IOException{
//TODO自动生成的方法存根
文件=新文件(
蒙菲希尔);
字符串fileContent=readFileAsString(file.getAbsolutePath());
countNE countNE=新countNE();
字符串结果=countne.countne(文件内容);
系统输出打印项次(结果);
}
publicstringcountne(stringfilecontent)抛出java.io.IOException{
int i=0;
Hashtable=新的Hashtable();
int-nbOcc=0;
字符串regPerson=“.?\\w*”;
Pattern-pPers=Pattern.compile(regPerson);
Matcher m=pPers.Matcher(fileContent);
字符串结果=”;
while(m.find()){
字符串person=m.group();
//System.out.println(person+“”+i);
//系统输出打印项次(人);
i++;
结果+=人+“\n”;
}
返回结果;
}
公共静态字符串readFileAsString(字符串文件路径)
抛出java.io.IOException{
字符串chaine=“”;
//费希尔文本讲座
试一试{
InputStream ips=新文件InputStream(文件路径);
InputStreamReader ipsr=新的InputStreamReader(ips);
BufferedReader br=新的BufferedReader(ipsr);
弦线;
而((ligne=br.readLine())!=null){
chaine+=ligne+“\n”;
}
br.close();
}捕获(例外e){
System.out.println(例如toString());
}
System.out.println(chaine);
返回链;
}
}
谢谢你的帮助问题在于
.?
在您的正则表达式中。它匹配任何内容,包括
和
因此,为了得到您想要的内容,您可以先将该行拆分,或者通过使用较短的字符间隔进行匹配(例如
[a-zA-Z]
或类似方式),从
中排除
。正确的方法:
public static String countNE(String fileContent) throws java.io.IOException {
Hashtable<String, Integer> table = new Hashtable();
int nbOcc = 0;
String regPerson = "(<pers>.*?</pers>)";
// String regPerson = "(<.*>.*?</.*>)";
Pattern pPers = Pattern.compile(regPerson);
Matcher m = pPers.matcher(fileContent);
String result = "";
while(m.find())
{
result += m.group(1);
}
return result;
}
publicstaticstringcountne(stringfilecontent)抛出java.io.IOException{
Hashtable=新的Hashtable();
int-nbOcc=0;
字符串regPerson=“(.*?”;
//字符串regPerson=“(.*?”;
Pattern-pPers=Pattern.compile(regPerson);
Matcher m=pPers.Matcher(fileContent);
字符串结果=”;
while(m.find())
{
结果+=m组(1);
}
返回结果;
}
regex不适用于此。你考虑过嵌套标签吗?改用解析器。你能把你的代码从读取文件转换成只使用硬编码字符串吗(这样我们就有了一个容易复制的例子)?使用StringReader
应该可以很容易地进行更改。?
是一个可选字符,因此它不能匹配
或
。