Question

我有几个模式可以解析一个简单的文本文件以获取信息，并使用数据构建一个员工对象。有两种类型的员工：全职和每小时。我倾向于使用Lazy Wildcards来解析XML数据。我的主要问题是懒惰的通配符比预期更具攻击性。全时付费记录模式（patternPRF）懒惰通配符从小时payRecord（在2）开始，然后取出所有内容，直到它在下一个payRecord中命中。无论如何，我可以统治通配符并说“你已经走得太远了”＃39;或者某些东西限制给具有所有全职属性的员工（monthlyIncome＆amp; month tages而不是payHours＆amp; payRate）？

要解析的文本文件：

<payRecord id="10">
    <EmployeeID>2</EmployeeID> //matcher.group(2) starts here
    <PayHours>30</PayHours>
    <PayRate>15</PayRate>
</payRecord>
<payRecord id="11">
    <EmployeeID>1</EmployeeID>
    <MonthlyIncome>3500</MonthlyIncome> //ends here
    <NumMonths>8</NumMonths>
</payRecord>
<payRecord id="12">
    <EmployeeID>3
    </EmployeeeID>
    <MonthlyIncome>5000</MonthlyIncome>
    <NumMonths>6</NumMonths>
</payRecord>

正则表达式：

text = text.replaceAll("\\s", ""); //remove all whitespace     

//payrecord hourly
patternPRH = Pattern.compile(
        "<payRecordid=\"(.*?)\">" //1 id
                + "<EmployeeID>(.*?)</EmployeeID>" //2 EmpID
                + "<PayHours>(.*?)</PayHours>" //3 payHours
                + "<PayRate>(.*?)</PayRate>" //4 payRate
);
//payrecord fulltime
patternPRF = Pattern.compile(
        "<payRecordid=\"(.*?)\">"//1 id 
                + "<EmployeeID>(.*?)</EmployeeID>"//2 EmployeeID <EmployeeID>2</EmployeeID>
                + "<MonthlyIncome>(.*?)</MonthlyIncome>"//3 MonthlyIncome
                + "<NumMonths>(.*?)</NumMonths>"//4 numMonths
);

作为旁注，遗憾的是，作为课程要求的一部分，我无法使用任何XML解析类。

Answer 1

我喜欢负面的正则表达式。例如，[^"]*将匹配不是引号的字符数。

考虑使用以下内容：

patternPRH = Pattern.compile(
    "<payRecordid=\"([^\"]*)\">" //1 id
    + "<EmployeeID>([^<]*)</EmployeeID>" //2 EmpID
    + "<PayHours>([^<]*)</PayHours>" //3 payHours
    + "<PayRate>([^<]*)</PayRate>" //4 payRate
);

Answer 2

为避免这种情况，您可以将匹配限制为

(\d+)

而不是

(.*?)

表示payRecordId，EmployeeID。

这样做，匹配组除了数字之外不会采取任何操作，并使你的正则表达式工作正常，除了

削减激进的懒惰通配符

2 个答案: