Java PatternSyntaxException：不匹配的结束'；（'；

我需要删除Twitter消息中的所有URL。我有一个包含大约200000条此类消息的文件，因此速度至关重要！为此，我使用Java作为编程语言，下面是我的代码示例：

public String performStrip(){

    String tweet = this.getRawTweet();
    String urlPattern = "((https?|http)://(bit\\.ly|t\\.co|lnkd\\.in|tcrn\\.ch)\\S*)\\b";

    Pattern p = Pattern.compile(urlPattern,Pattern.CASE_INSENSITIVE);
    Matcher m = p.matcher(tweet);

    int i = 0;

    while (m.find()) {
        tweet = tweet.replaceAll(m.group(i),"").trim();
        i++;
    }

    return tweet;
}

在以下情况下，此选项可以正常工作：

http://t.co/nhWp9hldEH        -> (empty string)
http://t.co/nhWp9hldEH"       -> "
http://t.co/nhWp9hldEH)aaa"   -> aaa"
aaa(http://t.co/nhWp9hldEH"   -> aaa("
aaa(http://t.co/nhWp9hldEH)"  -> aaa()"

然而，当我谈到如下一个案例时：

http://t.co/nhWp9hldEH)aaa"

我犯了一个错误

java.util.regex.PatternSyntaxException: Unmatched closing ')' near index 21

位于java.util.regex.Pattern.error（Pattern.java:1924）
位于java.util.regex.Pattern.compile（Pattern.java:1669）
Pattern.（Pattern.java:1337）
位于java.util.regex.Pattern.compile（Pattern.java:1022）
位于java.lang.String.replaceAll（String.java:2210）
位于com.anturo.preprocess.url.UrlStripper.performStrip（UrlStripper.java:47）
在com.anturo.preprocess.testing.ReadIn.（ReadIn.java:35）
位于com.anturo.preprocess.testing.Main.Main（Main.java:6）

---

关于这个错误，我已经研究了多个类似的问题，但是到目前为止没有一个是有效的…希望有人能在这里帮助我。

问题是URL中可能有regex特殊字符，如您所见

简短的解决方案：使用。您的代码将是：

tweet = tweet.replaceAll(Pattern.quote(m.group(i)),"").trim();

注意：仅在JDK1.5之后可用，但您确实使用了这个或更好的版本，对吗

另一种解决方案是简单地使用

.replace（）

：

与它的名字所暗示的

.replaceAll（）

不同，

.replace（）

会替换所有出现的内容；只是它不将正则表达式作为替换字符串。另请参见

.replaceFirst（）

最后但并非最不重要的一点是，您似乎误用了

.group（）

！您的循环应该是：

while (m.find())
    tweet = tweet.replace(m.group(), "").trim();

---

这里不需要

i

变量；

m.group（i）

将通过在正则表达式中捕获group

i

来返回匹配的内容。

Uhm，为什么不使用

URI

类来识别URL？这将比使用正则表达式更快…您可以发布完整的堆栈跟踪吗？更重要的是：

（http:http）<代码>可以用<代码> http://c>替换。我不知道你为什么这样做，但是这是一个潜在危险的ID，有人依赖它。它不会发现除了HTTP或HTTPS之外的URI，而且有很多（1）-这可能被用作攻击向量。（1）@Bex，我同意，但这只是为了删除推特消息中所有不需要的元素，以便在我的自然语言处理等工作中使用。无论如何，谢谢你的评论！
tweet = tweet.replace(m.group(i), "").trim();

while (m.find())
    tweet = tweet.replace(m.group(), "").trim();