正则表达式，用于确定文本是否不超过n次出现的单词

Question

我有一个日志文件，我正在尝试检测单词“Warning：”的出现次数是否高于某个数字，比如1000.

我尝试了几次与以下类似的尝试，但我没有得到我期望的匹配

"\\bWarning:{1000,}+ "

Answer 1

如果您愿意考虑使用非java / regex解决方案，则可以在* NIX中获得行数：

grep "Warning:" YOURFILE.LOG | wc -l

Windows命令行版本为：

find /c "Warning:" YOURFILE.log

Answer 2

现在你的{1000，}只匹配：字符。此外，在这种情况下，“+”是多余的。你希望它匹配“警告”和中间的东西，所以你必须指定所有这些：

"(?:\\bWarning:.*?){1000,}"

这是：“从非单词标记开始，找到字符'警告：'以及零或多个任何内容，直到下一个允许的匹配，1000次或更多次。”

请注意使用非捕获组（(?: )构造）来指定您想要匹配N次的内容。

您还需要启用单行匹配（使.包括\n）。

Answer 3

我怀疑你正在努力做到这一点。为什么不在循环中调用find()并保持点击次数？

Pattern p = Pattern.compile("\\bWarning:")
Matcher m = p.matcher(source);
int hits = 0;
while (m.find())
{
  hits++;
}

我假设整个文档都在一个字符串中。另一种可能性是使用扫描仪打开文件并使用其findWithinHorizon()方法：

while (scanner.findWithinHorizon(p, 0) != null)
{
  hits++;
}