首页 > 编程 > Java > 正文

Java利用正则表达式提取数据的方法

2019-11-26 13:23:07
字体:
来源:转载
供稿:网友

什么是正则表达式

正则表达式是一种可以用于模式匹配和替换的规范,一个正则表达式就是由普通的字符(例如字符a到z)以及特殊字符(元字符)组成的文字模式,它 用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。

Java利用正则表达式提取数据

Java正则表达式的用途很广,之前要用到将一大 3M 的 txt 文本切分成多个小文本,用 C# 写的话很简洁,代码也就二十几行,今天用 Java 写了一下,果然,Java 很罗嗦。

切分文件的代码就不贴了,主要贴一下怎么使用正则表达式将大字符串进行分组:

比如,现在有一个 endlist.txt 文本文件,内容如下:

1300102,北京市1300103,北京市1300104,北京市1300105,北京市1300106,北京市1300107,北京市1300108,北京市1300109,北京市1300110,北京市1300111,北京市1300112,北京市1300113,北京市1300114,北京市1300115,北京市1300116,北京市1300117,北京市1300118,北京市1300119,北京市

七位数字代表手机号码的前七位,后面的汉字表示号码归属地。现在我要将这些内容按照 130 131 132...  开头分别写到 130.txt 131.txt 132.txt.....这些文件中。

public static void main(String args[]) {  File file = null;  BufferedReader br = null;  StringBuffer buffer = null;  String childPath = "src/endlist.txt";  String data = "";  try {   file = new File(childPath);   buffer = new StringBuffer();   InputStreamReader isr = new InputStreamReader(new FileInputStream(file), "utf-8");   br = new BufferedReader(isr);   int s;   while ((s = br.read()) != -1) {    buffer.append((char) s);   }   data = buffer.toString();  } catch (Exception e) {   e.printStackTrace();  }  Map<String, ArrayList<String>> resultMap = new HashMap<String, ArrayList<String>>();  for (int i = 0; i < 10; i++) {   resultMap.put("13" + i, new ArrayList<String>());  }  Pattern pattern = Pattern.compile("(//d{3})(//d{4},[/u4e00-/u9fa5]*//n)");  Matcher matcher = pattern.matcher(data);   while (matcher.find()) {   resultMap.get(matcher.group(1)).add(matcher.group(2));  }  for (int i = 0; i < 10; i++) {   if (resultMap.get("13" + i).size() > 0) {    try {     File outFile = new File("src/13" + i + ".txt");     FileOutputStream outputStream = new FileOutputStream(outFile);     OutputStreamWriter writer = new OutputStreamWriter(outputStream, "utf-8");     ArrayList<String> tempList = resultMap.get("13" + i);     for (int j = 0; j < tempList.size(); j++) {      writer.append(resultMap.get("13" + i).get(j));     }     writer.close();     outputStream.close();    } catch (Exception e) {     // TODO Auto-generated catch block     e.printStackTrace();    }   }  } }

第24行使用正则表达式  "(//d{3})(//d{4},[/u4e00-/u9fa5]*//n)" 每个()中的内容为一组,索引从 1 开始,0表示整个表达式。所以这个表达式分为两组,第一组表示3个数字,第二组表示 4个数字加多个汉字加一个换行符。提取时如26-28行所示。

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表