Java 用于解析格式化数字的正则表达式

我正在分析包含大量格式化数字的文档，例如：

 Frc consts  --     1.4362                 1.4362                 5.4100
 IR Inten    --     0.0000                 0.0000                 0.0000
 Atom AN      X      Y      Z        X      Y      Z        X      Y      Z
    1   6     0.00   0.00   0.00     0.00   0.00   0.00     0.00   0.00   0.00
    2   1     0.40  -0.20   0.23    -0.30  -0.18   0.36     0.06   0.42   0.26

这些是分隔的行，所有行都有一个重要的前导空格，可能有也可能没有重要的尾随空格）。它们由72、72、78、78和78个字符组成。我可以推断场之间的边界。这些可通过以下方式描述（使用fortran格式（nx=nspaces，an=n alphanum，in=n列中的整数，fm.n=m个字符的浮点，小数点后有n位）：

我可能有几千种不同的格式（我可以自动生成或分包），并通过描述组件的正则表达式来描述它们。因此，如果regf10_4表示满足f10.4约束的任何字符串的正则表达式，我可以创建以下形式的正则表达式：

COMMENTS 
      (\s
      .{14}
      \s
      regf10_4,
      \s{13}
      regf10_4,
      \s{13}
      regf10_4,
)

我想知道是否有这样的正则表达式可以满足重复使用。计算机和人类创建与f10.4兼容的数字的方式有很多种。我相信以下都是fortran的合法输入和/或输出（我不需要像12.4f那样的f或d形式的后缀）[SO中的格式应理解为第一个无前导空格，第二个无前导空格，以此类推]

-1234.5678
 1234.5678
            // missing number
 12345678.
 1.
 1.0000000
    1.0000
        1.
 0.
        0.
     .1234
    -.1234
    1E2
    1.E2
    1.E02
  -1.0E-02
**********  // number over/underflow

它们必须对相邻字段的内容具有鲁棒性（例如，仅在精确位置检查10个字符。因此，以下内容适用于（a1、f5.2、a1）：

---

我使用的是Java，因此需要与Java 1.6兼容的正则表达式结构（例如，不是perl扩展）

您可以从这里开始，然后从那里开始

此正则表达式匹配您提供的所有数字。
不幸的是，它还与31.23中的3相匹配-

---

这只是一个部分答案，但Java 1.5提醒了我，它可以扫描文本并解释数字，这为这个Java实用程序可以扫描和解释的数字提供了一个BNF。原则上，我想象BNF可以用来构造一个正则表达式。

据我所知，每行包含一个或多个固定宽度的字段，这些字段可能包含标签、空格或不同类型的数据。如果您知道字段的宽度和类型，提取它们的数据只需

substring（）

、

trim（）

和（可选）

Whatever.parsewhater（）

。正则表达式无法使这项工作变得更简单，事实上，它们所能做的只是让它变得更难

Scanner也没有真正的帮助。没错，它为各种值类型预定义了正则表达式，并为您进行转换，但每次都需要告诉它要查找哪种类型，并且它需要用它可以识别的分隔符分隔字段。根据定义，固定宽度数据不需要分隔符。您可能是ab通过对行中应保留的字符数进行前瞻，可以伪造分隔符，但这只是另一种使工作比需要更困难的方法

---

听起来性能将是一个主要问题；即使你可以让正则表达式解决方案工作，它也可能太慢了。这不是因为正则表达式天生就很慢，而是因为你必须通过扭曲才能使它们适应问题。我建议你在这项工作中忘记正则表达式。

+1尽可能完整，但我担心这么完整，你可能已经模糊了你真正想要的。作为一个人，我可以构造一个正则表达式，从你提供的示例中获取数字，但是对于所有fortran的东西，我怀疑这是否是你想要的。如果你只是给我们一堆字符串，以及你期望的结果呢？谢谢。我想要（a）测试包含我想要的组件的行，以及（b）提取我然后使用Java解析的字段，例如parseDouble（group（I）.trim（））并捕获异常。星号作为一种特殊情况处理您是否有类似

（1x，a4，a4,3（2x，3a7））的格式规范

对于每一行，提前？或者你必须推断出这是解析任务的一部分吗？我有所有需要的格式，但不知道它们何时从一个转换到另一个（我有一个框架来管理）。[我也在推断格式，但我使用不同的方法，如动态编程].虽然原则上我可以提取字段并尝试tp解析，但还有其他字段（包含更多文本）其中正则表达式是最简单的方法谢谢-这是正则表达式构造的有用注释。不幸的是，由于下面回答了自己的问题，因此截断了一些代码+1，我相信这将使操作走上正确的轨道。谢谢。我同意这可能是解决上述问题的最佳方法。不幸的是，g一般的问题是，有些输出使用空格分隔而不是格式，我正在寻找一个通用的解决方案。[您对从同一来源的文档库中自动提取格式有何想法？]如果我是你的话，我会寻找一个平面文件解析库，虽然现在似乎没有很多这样的库（对于Java来说）。但是如果你必须从头开始创建解决方案，不要基于正则表达式。至于格式的自动提取…可能是Perl.：-/

-1234.5678
 1234.5678
            // missing number
 12345678.
 1.
 1.0000000
    1.0000
        1.
 0.
        0.
     .1234
    -.1234
    1E2
    1.E2
    1.E02
  -1.0E-02
**********  // number over/underflow

a-1.23b   // -1.23
- 1.23.   // 1.23
3 1.23-   // 1.23

// [-+]?(?:[0-9]+(?:\.[0-9]*)?|\.[0-9]+)(?:[eE][-+]?[0-9]+)?
// 
// Match a single character present in the list “-+” «[-+]?»
//    Between zero and one times, as many times as possible, giving back as needed (greedy) «?»
// Match the regular expression below «(?:[0-9]+(?:\.[0-9]*)?|\.[0-9]+)»
//    Match either the regular expression below (attempting the next alternative only if this one fails) «[0-9]+(?:\.[0-9]*)?»
//       Match a single character in the range between “0” and “9” «[0-9]+»
//          Between one and unlimited times, as many times as possible, giving back as needed (greedy) «+»
//       Match the regular expression below «(?:\.[0-9]*)?»
//          Between zero and one times, as many times as possible, giving back as needed (greedy) «?»
//          Match the character “.” literally «\.»
//          Match a single character in the range between “0” and “9” «[0-9]*»
//             Between zero and unlimited times, as many times as possible, giving back as needed (greedy) «*»
//    Or match regular expression number 2 below (the entire group fails if this one fails to match) «\.[0-9]+»
//       Match the character “.” literally «\.»
//       Match a single character in the range between “0” and “9” «[0-9]+»
//          Between one and unlimited times, as many times as possible, giving back as needed (greedy) «+»
// Match the regular expression below «(?:[eE][-+]?[0-9]+)?»
//    Between zero and one times, as many times as possible, giving back as needed (greedy) «?»
//    Match a single character present in the list “eE” «[eE]»
//    Match a single character present in the list “-+” «[-+]?»
//       Between zero and one times, as many times as possible, giving back as needed (greedy) «?»
//    Match a single character in the range between “0” and “9” «[0-9]+»
//       Between one and unlimited times, as many times as possible, giving back as needed (greedy) «+»
Pattern regex = Pattern.compile("[-+]?(?:[0-9]+(?:\\.[0-9]*)?|\\.[0-9]+)(?:[eE][-+]?[0-9]+)?");
Matcher matcher = regex.matcher(document);
while (matcher.find()) {
    // matched text: matcher.group()
    // match start: matcher.start()
    // match end: matcher.end()
}