Java 从文件中获取起始字和结束字之间的数据

我有产品评论的数据集，我想从该文件的文本和打印文本之间提取文本。我如何提取数据 文件包含以下格式的数据

<review> id 
<reviewer></reviewer> 
<start word></end word> 
</review>

id

我的代码是

File file = new File("D://Data/Dataset/unlabeled.review");
    FileInputStream fis = new FileInputStream(file);
    byte[] bytes = new byte[(int) file.length()];
    fis.read(bytes);
    fis.close();
    String text = new String(bytes, "UTF-8");
    System.out.println(text.substring(text.indexOf("<start word>"), text.lastIndexOf("</end word>")));

File File=new文件（“D://Data/Dataset/unlabeled.review”）；
FileInputStream fis=新的FileInputStream（文件）；
byte[]bytes=新字节[（int）file.length（）]；
fis.读取（字节）；
fis.close（）；
字符串文本=新字符串（字节，“UTF-8”）；
System.out.println（text.substring（text.indexOf（“”），text.lastIndexOf（“”））；

您的提取代码如下：

    text.substring(text.indexOf("<review_text>"), 
                   text.lastIndexOf("</review_text>"));

text.substring（text.indexOf（“”），
text.lastIndexOf（“”）；

此代码有三个问题：

indexOf

和

lastIndexOf

方法返回参数字符串某次出现的第一个字符的偏移量。但您需要从“”后的第一个字符中提取

如果存在多个

“”

/

“”

对，则代码不会提取每对之间的文本

如果没有

”

或没有

”

，则调用索引中的一个或两个将返回-1，这将导致

子字符串中出现异常

---

用一些代码。。您尝试了什么？例如，请参见