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：

<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

。