Question

所以我有一个很大的网站列表，我想把它们全部放在一个String变量中。我知道我不能单独去所有链接并逃脱//，但是有几百个链接。有没有办法进行“块逃逸”，所以“块”之间的所有内容都被转义了？这是我想要保存在变量中的示例。

String links="http://website http://website http://website http://website http://website http://website"

也可以有人想到我这样做时可能遇到的任何其他问题吗？

我做了htp而不是http，因为我不允许根据堆栈溢出发布“超链接”，因为我不在那个级别：p

非常感谢

编辑：我正在编写一个程序，因为我有大约50页的单词文档，其中包含电子邮件和其他文本。我想过滤掉电子邮件。我编写了程序来完成这个非常简单的操作，而不是我只需要将页面存储在运行程序的字符串变量中。

Answer 1

你的问题写得不好。请改进它。在目前的格式中，它将被视为“太模糊”。

您想过滤电子邮件或网站吗？您的示例是关于网站，您发送有关电子邮件的文本。我不知道，无论如何我决定尝试帮助你，我决定两者兼顾。

以下是代码：

private static final Pattern EMAIL_REGEX =
        Pattern.compile("[A-Za-z0-9](:?(:?[_\\.\\-]?[a-zA-Z0-9]+)*)@(:?[A-Za-z0-9]+)(:?(:?[\\.\\-]?[a-zA-Z0-9]+)*)\\.(:?[A-Za-z]{2,})");

private static final Pattern WEBSITE_REGEX =
        Pattern.compile("http(:?s?)://[_#\\.\\-/\\?&=a-zA-Z0-9]*");

public static String readFileAsString(String fileName) throws IOException {
    File f = new File(fileName);
    byte[] b = new byte[(int) f.length()];
    InputStream is = null;
    try {
        is = new FileInputStream(f);
        is.read(b);
        return new String(b, "UTF-8");
    } finally {
        if (is != null) is.close();
    }
}

public static List<String> filterEmails(String everything) {
    List<String> list = new ArrayList<String>(8192);
    Matcher m = EMAIL_REGEX.matcher(everything);
    while (m.find()) {
        list.add(m.group());
    }
    return list;
}

public static List<String> filterWebsites(String everything) {
    List<String> list = new ArrayList<String>(8192);
    Matcher m = WEBSITE_REGEX.matcher(everything);
    while (m.find()) {
        list.add(m.group());
    }
    return list;
}

为了确保它有效，首先让我们测试filterEmails和filterWebsites方法：

public static void main(String[] args) {
    System.out.println(filterEmails("Orange, pizza whatever else joe@somewhere.com a lot of text here. Blahblah blah with Luke Skywalker (luke@starwars.com) hfkjdsh fhdsjf jdhf Paulo <aaa.aaa@bgf-ret.com.br>"));
    System.out.println(filterWebsites("Orange, pizza whatever else joe@somewhere.com a lot of text here. Blahblah blah with Luke Skywalker (http://luke.starwars.com/force) hfkjdsh fhdsjf jdhf Paulo <https://darth.vader/blackside?sith=true&midclorians> And the http://www.somewhere.com as x."));
}

输出：

[joe@somewhere.com, luke@starwars.com, aaa.aaa@bgf-ret.com.br]
[http://luke.starwars.com/force, https://darth.vader/blackside?sith=true&midclorians, http://www.somewhere.com]

测试readFileAsString方法：

public static void main(String[] args) {
    System.out.println(readFileAsString("C:\\The_Path_To_Your_File\\SomeFile.txt"));
}

如果该文件存在，将打印其内容。

如果您不喜欢它返回List<String>而不是String且项目除以空格的事实，这很容易解决：

public static String collapse(List<String> list) {
    StringBuilder sb = new StringBuilder(50 * list.size());
    for (String s : list) {
        sb.append(" ").append(s);
    }
    sb.delete(0, 1);
    return sb.toString();
}

坚持所有：

String fileName = ...;
String webSites = collapse(filterWebsites(readFileAsString(fileName)));
String emails = collapse(filterEmails(readFileAsString(fileName)));

Answer 2

我建议您将Word文档保存为纯文本。然后，您可以使用java.io包中的类（例如Scanner来阅读文本）。

要解决每次读取行时覆盖String变量的问题，可以使用数组或ArrayList。这比在一个String中保留所有网址更为理想，因为您可以随时轻松访问每个地址。

Answer 3

对于你的第一个问题，把所有的文字都拿出来，把它放在做正则表达式的东西中，用正则表达式引用每一行，并用+结束每一行。现在编辑最后一行并将+更改为;。在第一行上方写String links =。将此新文件复制到您的Java源代码中。这是an example using regexr。

要回答你的第二个问题（想到问题），如果我记得2 ^ 16的长度正确，那么Java字符串文字有一个上限。

哦，Perl基本上是为你写的那样做的（拿50页的文字分开是什么网址和什么是电子邮件）......更不用说{{3} }。

Answer 4

我不确定你指的是什么样的'网站列表'，但是例如。一个逗号分隔的网站文件，您可以读取整个文件并使用String split函数来获取数组，或者您可以使用BufferedReader逐行读取文件添加到ArrayList。

从那里你可以简单地循环数组并附加到String，或者如果你需要：

执行“阻止转义”，因此“阻止”之间的所有内容都会被转义

您可以使用正则表达式根据模式提取每个String的部分：

String oldString = "<someTag>I only want this part</someTag>";
String regExp = "(?i)(<someTag.*?>)(.+?)(</someTag>)";
String newString = oldString.replaceAll(regExp, "$2");

上面的表达式将删除由"$2"引起的xml标记，这意味着您对表达式的第二组感兴趣，其中组由圆括号( )标识。然后使用"$1$3"应该只为您提供周围的xml标记。

从String移除某些“块”的另一种更简单的方法是String replace函数，在这里删除块，你可以简单地传入一个空字符串作为新的值。

我希望这有任何帮助，否则你可以尝试提供一个完整的例子，你输入“网站列表”和你想要的输出。

如何设置一个等于“htp：// website htp：// website”的java字符串变量

4 个答案: