Question

所以我正在研究java 1.5中的项目，该项目将玩家数据从NFL的网页移动到个人数据存储中。我将页面的源代码转换为字符串格式，并将其解析为我想要提取的数据。我能够获得第一块经常格式化的播放器信息，但我正在努力格式化我的模式以适应一些异常结构化的空白。注释从它停止正确解析的地方开始。

pattern = Pattern.compile(
                        sTag + "(.*?)" + eTag + "\n"//position 1-group
                        +sTag + "(.*?)" + eTag + "\n" //number 2
                        + "<td><a href=\"(.*?)/profile\">(.*?)</a>" + eTag + "\n" //name 4 (3 not used)
                        +sTag + "(.*?)" + eTag + "\n" //active status 5
//                      +"(.*?)" //6
//                      +sTag + "(.*?)" + eTag + "\n" //tackles 7
//                      +"(.*?) //8
//                      +sTag + "(.*?)" + eTag //sacks 9
//                      +"(.*?) //10
//                      +sTag + "(.*?)" + eTag //ff 11 (not used)
//                      +"(.*?) //12
//                      +sTag + "(.*?)" + eTag //int 13
                        );

我尝试解析的HTML数据格式如下：

<td class="tbdy1"><a href="/teams/atlantafalcons/profile?team=ATL">ATL</a></td></tr>
<tr class="even">
<td class="tbdy">SS</td>
<td class="tbdy">20</td>
<td><a href="/player/willallen/2506088/profile">Allen, Will</a></td>
<td class="tbdy">ACT</td>
<td class="ra">
                                TCKL
                            </td>
<td class="tbdy">36</td>
<td class="ra">
                                SCK
                            </td>
<td class="tbdy">0.0</td>
<td class="ra">
                                FF
                            </td>
<td class="tbdy">1</td>
<td class="ra">
                                INT
                            </td>
<td class="tbdy">--</td>

有任何帮助吗？

Answer 1

经过一番挖掘，我决定以不同的方式解决问题。 Removing whitespace from strings in Java的论坛向我展示了如何消除所有的空白。这使得模式识别变得更加容易。我的最终设置最终看起来像这样：

            line = line.replaceAll("\\s", "");
            String sTag = "<tdclass=\"tbdy\">";
            String eTag = "</td>";




            Pattern pattern;
            Matcher matcher;                
            pattern = Pattern.compile(
                    // pattern //stat group#
                    sTag + "(.*?)" + eTag //position 1
                    +sTag + "(.*?)" + eTag //number 2
                    + "<td><ahref=\"(.*?)/profile\">(.*?)</a>" + eTag //name 4 (3 not used)
                    +sTag + "(.*?)" + eTag //status 5
                    +"(.*?)" //6
                    +sTag + "(.*?)" + eTag //tackles 7
                    +"(.*?)" //8
                    +sTag + "(.*?)" + eTag //sacks 9
                    +"(.*?)" //10
                    +sTag + "(.*?)" + eTag //ff 11 (not used)
                    +"(.*?)" //12
                    +sTag + "(.*?)" + eTag //int 13
                    );
            System.out.println(" " + matcher.group(1) +" "+ matcher.group(2) + " " + matcher.group(4)+" "+ matcher.group(5)+ " " + matcher.group(7)+ " " + matcher.group(9)+ " " + matcher.group(13));

在Java中使用空格进行重新定义

1 个答案: