Java 为多个模式分析输入流
我正在分析InputStream的某些模式，以从中提取值，例如Java 为多个模式分析输入流,java,regex,pattern-matching,inputstream,Java,Regex,Pattern Matching,Inputstream,我正在分析InputStream的某些模式，以从中提取值，例如 <span class="filename"><a href="http://example.com/foo">foo</a> <span class="filename" id="234217"><a href="http://example.com/foo">foo</a> 在这一点上，我确信我会重新发明轮子，因为这肯定会在以前完成，而且我真的不想从一开
<span class="filename"><a href="http://example.com/foo">foo</a>
<span class="filename" id="234217"><a href="http://example.com/foo">foo</a>
不幸的是，
Scanner但是，这种模式很快就会变得非常复杂。您的意思是要将任何
类Scanner sc = new Scanner(new File("test.txt"), "UTF-8");
Pattern p = Pattern.compile(
"<span[^>]*class=\"filename\"[^>]*>\\s*<a[^>]*href=\"([^\"]+)\""
);
while (sc.findWithinHorizon(p, 0) != null)
{
MatchResult m = sc.match();
System.out.println(m.group(1));
}
Scanner sc=新扫描仪（新文件（“test.txt”），“UTF-8”）；
模式p=Pattern.compile(
“]*类=\”文件名\“[^>]*>\\s*]*href=\”（[^\“]+）\”
);
while（sc.findWithinHorizon（p，0）！=null）
{
MatchResult m=sc.match（）；
系统输出println（m.group（1））；
}
http://example.com/foo你认为这一切都是正确的：“你所说的是一个标记化和解析的问题，因此我建议你考虑javaC. 当您学习理解JavaCC的语法时，它有一个学习曲线，下面是一个让您开始学习的实现 语法是的精简版本。您可以添加更多产品以匹配其他模式
options {
JDK_VERSION = "1.5";
static = false;
}
PARSER_BEGIN(eg1)
import java.util.*;
public class eg1 {
private String currentTag;
private String currentSpanClass;
private String currentHref;
public static void main(String args []) throws ParseException {
System.out.println("Starting parse");
eg1 parser = new eg1(System.in);
parser.parse();
System.out.println("Finishing parse");
}
}
PARSER_END(eg1)
SKIP :
{
< ( " " | "\t" | "\n" | "\r" )+ >
| < "<!" ( ~[">"] )* ">" >
}
TOKEN :
{
<STAGO: "<" > : TAG
| <ETAGO: "</" > : TAG
| <PCDATA: ( ~["<"] )+ >
}
<TAG> TOKEN [IGNORE_CASE] :
{
<A: "a" > : ATTLIST
| <SPAN: "span" > : ATTLIST
| <DONT_CARE: (["a"-"z"] | ["0"-"9"])+ > : ATTLIST
}
<ATTLIST> SKIP :
{
< " " | "\t" | "\n" | "\r" >
| < "--" > : ATTCOMM
}
<ATTLIST> TOKEN :
{
<TAGC: ">" > : DEFAULT
| <A_EQ: "=" > : ATTRVAL
| <#ALPHA: ["a"-"z","A"-"Z","_","-","."] >
| <#NUM: ["0"-"9"] >
| <#ALPHANUM: <ALPHA> | <NUM> >
| <A_NAME: <ALPHA> ( <ALPHANUM> )* >
}
<ATTRVAL> TOKEN :
{
<CDATA: "'" ( ~["'"] )* "'"
| "\"" ( ~["\""] )* "\""
| ( ~[">", "\"", "'", " ", "\t", "\n", "\r"] )+
> : ATTLIST
}
<ATTCOMM> SKIP :
{
< ( ~["-"] )+ >
| < "-" ( ~["-"] )+ >
| < "--" > : ATTLIST
}
void attribute(Map<String,String> attrs) :
{
Token n, v = null;
}
{
n=<A_NAME> [ <A_EQ> v=<CDATA> ]
{
String attval;
if (v == null) {
attval = "#DEFAULT";
} else {
attval = v.image;
if( attval.startsWith("\"") && attval.endsWith("\"") ) {
attval = attval.substring(1,attval.length()-1);
} else if( attval.startsWith("'") && attval.endsWith("'") ) {
attval = attval.substring(1,attval.length()-1);
}
}
if( attrs!=null ) attrs.put(n.image.toLowerCase(),attval);
}
}
void attList(Map<String,String> attrs) : {}
{
( attribute(attrs) )+
}
void tagAStart() : {
Map<String,String> attrs = new HashMap<String,String>();
}
{
<STAGO> <A> [ attList(attrs) ] <TAGC>
{
currentHref=attrs.get("href");
if( currentHref != null && "filename".equals(currentSpanClass) )
{
System.out.println("Found URL: "+currentHref);
}
}
}
void tagAEnd() : {}
{
<ETAGO> <A> <TAGC>
{
currentHref=null;
}
}
void tagSpanStart() : {
Map<String,String> attrs = new HashMap<String,String>();
}
{
<STAGO> <SPAN> [ attList(attrs) ] <TAGC>
{
currentSpanClass=attrs.get("class");
}
}
void tagSpanEnd() : {}
{
<ETAGO> <SPAN> <TAGC>
{
currentSpanClass=null;
}
}
void tagDontCareStart() : {}
{
<STAGO> <DONT_CARE> [ attList(null) ] <TAGC>
}
void tagDontCareEnd() : {}
{
<ETAGO> <DONT_CARE> <TAGC>
}
void parse() : {}
{
(
LOOKAHEAD(2) tagAStart() |
LOOKAHEAD(2) tagAEnd() |
LOOKAHEAD(2) tagSpanStart() |
LOOKAHEAD(2) tagSpanEnd() |
LOOKAHEAD(2) tagDontCareStart() |
LOOKAHEAD(2) tagDontCareEnd() |
<PCDATA>
)*
}
选项{
JDK_VERSION=“1.5”；
静态=假；
}
解析器_BEGIN（eg1）
导入java.util.*；
公共类eg1{
私有字符串currentTag；
私有字符串类；
私有字符串currentHref；
公共静态void main（字符串args[]）引发异常{
System.out.println（“开始解析”）；
eg1解析器=新的eg1（System.in）；
parser.parse（）；
System.out.println（“完成解析”）；
}
}
语法分析器（eg1）
跳过：
{
<（“|”\t“|”\n“|”\r”）+>
| < ""] )* ">" >
}
代币：
{
：标记
|：标记
|
}
令牌[忽略大小写]：
{
：收件人名单
|：收件人名单
|：收件人名单
}
跳过：
{
<“”|“\t”|“\n”|“\r”>
|<“-”>：ATTCOMM
}
代币：
{
：默认值
|：ATTRVAL
|
|
|
|
}
代币：
{
“，“\”，“，”，“\t”，“\n”，“\r”]）+
>：收件人名单
}
跳过：
{
< ( ~["-"] )+ >
| < "-" ( ~["-"] )+ >
|<“-”>：附件列表
}
无效属性（映射属性）：
{
令牌n，v=null；
}
{
n=[v=]
{
字符串attval；
如果（v==null）{
attval=“#默认值”；
}否则{
attval=v.image；
if（attval.startsWith（“\”）和&attval.endsWith（“\”））{
attval=attval.substring（1，attval.length（）-1）；
}else if（attval.startsWith（“”）和attval.endsWith（“”）{
attval=attval.substring（1，attval.length（）-1）；
}
}
if（attrs！=null）attrs.put（n.image.toLowerCase（），attval）；
}
}
无效attList（映射属性）：{}
{
（属性（属性）+
}
void tagAStart（）：{
Map attrs=new HashMap（）；
}
{
[收件人名单（ATTR）]
{
currentHref=attrs.get（“href”）；
如果（currentHref！=null&“filename”.equals（currentSpanClass））
{
System.out.println（“找到的URL:+currentHref”）；
}
}
}
void tagAEnd（）：{}
{
{
currentHref=null；
}
}
void tagSpanStart（）：{
Map attrs=new HashMap（）；
}
{
[收件人名单（ATTR）]
{
currentSpanClass=attrs.get（“类”）；
}
}
void tagSpanEnd（）：{}
{
{
currentSpanClass=null；
}
}
void tagDontCareStart（）：{}
{
[收件人列表（空）]
}
void tagdontcreend（）：{}
{
}
void parse（）：{}
{
(
前瞻（2）tagAStart（）|
前瞻性（2）塔加恩德（）|
前瞻（2）tagSpanStart（）|
前瞻（2）标记span结束（）|
前瞻（2）tagDontCareStart（）|
前瞻（2）tagdontcreend（）|
)*
}