Java 使用正则表达式读取聊天信息

我使用Java中的正则表达式从文本文件中读取消息内容，其中每个对话的格式如下：

2016年5月2日，上午12:05-‪+910058000000：你好

2016年5月2日，上午12:06-‪罗斯·克拉克‬: 你好

我形成了以下模式：

\d\d/\d\d/\d\d\d{1,2}:\d\d（\s\w\w）？\s-\s（（\w+\s？\w+）|（\+\d{2}\s\d{5}\s\d{5}））：（（（.*）（\n）*（.*）+

问题是，输出显示了具有发件人名称的聊天，例如，在上面的聊天示例中，“Ross Clark”发送的消息是匹配的，但编号为：+91 00580 00000的消息不匹配。然而，也有一些罕见的情况下，一些消息与数字匹配

请帮帮我，我是新手

---

编辑：我想知道发件人何时是姓名或号码，也就是说，我想让一个组捕捉到姓名，另一个组捕捉到号码，这样我就可以进行区分。

如果您知道邮件的格式及其类似内容：

 <Date>, <Time> - ‪<NameOrNumber>‬: <Message>

，-‪‬: 

然后，您可以在

-

和

：

之间搜索文本

使用字符串函数进行搜索

正则表达式

版本1 基于您的解决方案的Regex版本

\d\d\/\d\d\/\d\d\s\d{1,2}:\d\d（\s\w\w）\s-\s（+？）：（（.*）（\n）*（.*）+

在这种情况下，第二组将具有名称或电话号码 请注意，

date

的前斜杠在此版本中转义，因此您可能需要更改它

版本2

：.+？-\s（+？）：

搜索介于

-

和

之间的文本：

第一组将保存

名称或
电话号码。假设采用上述
消息格式

版本2+
：[^-]+-\s（[^:]+）：
搜索介于
-
和
之间的文本：
第一组将保存
名称或
电话号码。假设采用上述
消息格式

版本3
：.+？-\s（+？）：（.+）
第一组
-名称或编号
第二组
-消息

版本3+
：[^-]+-\s（[^:]+）：（.+）
第一组
-名称或编号
第二组
-消息

版本4，假设数字以
+
开头，而名称不以
：[^-]+-\s（[^:\+]*）（\+*[^::]+）：（.+）


第一组保存
名称
（如果有）
第二组持有以
+
开头的
编号（如有）

第三组保存
消息


版本5-消息的多行支持（基于日期的分隔符）
（\d{2}\/\d{2}\/\d{2}），\s（[^-]+）+-\s（[^:\+]*）（\+*[^:::]+）：（（.\n（？！\d{2}\/\d{2}\/\d{2}，[^-]+）+）


第一组举行这一天
第二组举行时间
第三组持有
名称
（如有）
第四组持有以
+
开头的
编号（如有）

第五组持有
信息
第6组保存分隔符后的字符


版本5是如何工作的？
（\d{2}\/\d{2}\/\d{2}）
查找
dd\mm\yy
格式
，\s（[^-]+）+-\s
查找应该在
，
之后和
-
之前的时间
（[^:\+]*）（\+*[^:]+）：
在下一个
：
之前查找文本。如果有
+
，那么如果没有，那么它就是一个数字，而不是一个名称
（（.|\n（？！\d{2}\/\d{2}\/\d{2}，[^-]+）+）
-棘手的部分。这是一个棘手的问题，因为
查找除
新行之外的任何字符。那么这部分做什么呢？它搜索任何未后跟
dd\mm\yy，-
的字符或
\n
。简单地说，如果
新行
以日期开始，它不会将其作为消息的一部分捕获

笔记
\d{2}\/\d{2}\/\d{2}
允许像
99/99/99
这样的非法日期。可以防止它，但它的解决方案是一个非常大的正则表达式

，\s（[^-]+）+-\s
-此搜索时间假定介于
，
和
-
之间。这可以根据实际需要更仔细地完成。
好的。让我们使用regex101进行以下操作：

我使用的模式是：

(\d{2}\/\d{2}\/\d{2}),\s(\d{1,2}:\d{2}(?:\s(?:AM|PM)))?\s-\s(.*):\s(.*)

这是什么意思？Regex101对此进行了详细解释，但让我简要强调一下这些更改。简单地说，使用
*
作为名称和消息。它代表“任意字符，从零到任意多”。您可以将其更改为
+
，以确保名称或消息不能为空（如果是这种情况）

我用
\d{2}
缩写了你的
\d\d
东西，这是一样的。另外，as
/
是正则表达式中具有特殊含义的字符；如果您只想匹配字符本身，则需要通过在其前面添加一个
\
来对其进行转义。在Java中，这个转义字符本身有一个特殊的含义（即转义Java字符串中的内容）。因此，您需要在Java中转义转义字符。这导致，例如，
\\/

但是我们如何在Java本身中实现这一点呢？下面是一些代码：

Pattern pattern = Pattern.compile("(\\d{2}\\/\\d{2}\\/\\d{2}),\\s(\\d{1,2}:\\d{2}(?:\\s(?:AM|PM)))?\\s-\\s(.*):\\s(.*)");
Matcher matcher = pattern.match(inputText);

if (matcher.find()) {
    String date = matcher.group(1);
    String time = matcher.group(2);
    String name = matcher.group(3);
    String message = matcher.group(4);
    // Do something with this
}

还有一件事：
（…）
是一个捕获组。您可以使用
matcher.group（X）
访问匹配的内容。如果您想在不使用捕获组的情况下使用
（…）
，您可以使用
（？：…）
，就像我对AM、PM之类的东西所做的那样

希望你能理解一切，玩得开心。以下是模式文档：
这将所有主要组件分为不同的捕获组：

（\d{2}\/\d{2}\/\d{2}），\s（\d{2}:\d{2}\s（？：AM | PM））\s-\s（.*）：\s（.*）

第一组：年月日

第2组：HH:MM上午/下午

第3组：发件人的姓名或号码

第4组：在您的示例中，第3组消息的内容与
（AM | PM）
相匹配。您可以将其更改为
（？：AM | PM）
，以表示不可用