Question

我得到以下输入，我想分成四个部分：

-
KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008
TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060 BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035
KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010
TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

它是METAR，然后是TAF，然后是METAR，然后是TAF。

输入规则：

机场代码可以更改，但应始终为3或4个字母。
METARS将以机场代码或“SPECI”开头，然后是机场代码（SPECI KPDX）。
TAF将以机场代码或“TAF AMD”开头，然后是机场代码（TAF AMD KPDX）。
在任何报告中，机场代码将始终跟随日期时间戳。
在TAF中，日期时间戳将始终跟随有效时间（例如0215/0318）。
可能只有2个报告，或者多于4个报告。
任何报告都只能是一行。

我想自己抓取每个报告，因此我在以下代码中使用正则表达式^(\\w+.*?)(?:^\\b|\\Z)：

ArrayList<String> reports = new ArrayList<String>();
Pattern pattern = Pattern.compile( "^(\\w+.*?)(?:^\\b|\\Z)", Pattern.DOTALL|Pattern.MULTILINE );
Matcher matcher = pattern.matcher( input );
while( matcher.find() )
    reports.add( new String( matcher.group( 1 ).trim() ) );

效果很好，我得到了4个结果：

1：

KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008

2：

TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060 BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035

3：

KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010

4：

TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

我遇到过我的正则表达式失败的情况。偶尔，一条TAF线路运行时间太长而且将被包裹（我无法控制），所以它可能看起来像（注意“TAF AMD PDX”下面的“BKN150”）：

-
KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008
TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060
BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035
KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010
TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

当发生这种情况时，我得到5个结果：

1：

KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008

2：

TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060

3：

BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035

4：

KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010

5：

TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

任何人都可以找出正确分割这个奇怪案例的正则表达式吗？或者，我可以尝试在运行正则表达式之前删除输入字符串中的问题换行符，但我无法弄清楚如何检测它。

Answer 1

您可以从以字母开头的行开头。然后收集至少一行，以五个空格开头（你可以轻松地将该条件放到至少一个空白字符或其他东西）。然后转到下一行以单词字符开头。

"^(\\w+.*?^[ ]{5}.*?)(?:^\\b|\\Z)"

空间周围的[]不是必需的，但我希望将它们包括在内以便于阅读。如果您只想断言，有一行以任何空格开头，请将[ ]{5}替换为\\s。

请注意，您不必使用捕获组。预测将确保您在新报告或文件结尾之后的位置结束：

"^\\w+.*?^[ ]{5}.*?(?=^\\b|\\Z)"

稍微提高效率并稍微清理以下代码（因为您可以使用完全匹配而不是检索组。

<强>更新

为了适应单行报告（通常）的可能性，更改结束条件^\\b以匹配新报告的开头更加容易。根据评论中给出的格式描述，您可以使用：

"^\\w+.*?(?=^(?:SPECI\\s|TAF\\sAMD\\s)?[A-Z]{3,4}\\s\\d+Z|\\Z)"

这需要一个新报告以“可选SPECI” - “3或4个字母” - “时间戳”或“可选TAF AMD” - “3或4个字母” - “时间戳”开头。

拆分METAR / TAF

1 个答案: