使用正则表达式阅读聊天消息

Question

我在Java中使用regex来读取文本文件中的消息内容，其中每个会话的格式都是：

02/05 / 16,12：05 AM - +91 00580 00000：您好

02/05/16,12：06 AM - Ross Clark：你好！

我已经形成了以下模式： \d\d/\d\d/\d\d,\s\d{1,2}:\d\d(\s\w\w)?\s-\s((\w+\s?\w+)|(\+\d{2}\s\d{5}\s\d{5})): ((.*)(\n)*(.*))+

问题是输出显示了具有发件人姓名的聊天记录，例如在上面的聊天示例中，由Ross Clark发送的消息＆＃39;是匹配的但是号码为+91 00580 00000的消息不匹配。但是，当一些带有数字的消息匹配时，也会出现一些罕见的情况。

请帮助，我是新手。

编辑：我想知道发件人的名字或号码是什么时候，即我希望这个名字被一个组别和另一个号码捕获，所以我可以区分。

Answer 1

如果您知道邮件的格式及其类似内容：

 <Date>, <Time> - ‪<NameOrNumber>‬: <Message>

然后，您可以在-和:

之间搜索文字

1. 使用字符串函数搜索
2. Regex

版本1

基于您的解决方案的正则表达式版本     \d\d\/\d\d\/\d\d,\s\d{1,2}:\d\d(\s\w\w)\s-\s(.+?): ((.*)(\n)*(.*))+在这种情况下，第二组将具有名称或电话号码 请注意date的前向版本已在此版本中转义，因此您可能需要对其进行更改

版本2

:.+?-\s(.+?):在-和:之间搜索文本，第一组将保留name或phonenumber。假设上面提到message format。

版本2 +

:[^-]+-\s([^:]+):在-和:之间搜索文本，第一组将保留name或phonenumber。假设上面提到message format。

版本3

:.+?-\s(.+?):(.+) first group - NameOrNumber 2nd group - 消息

版本3 +

:[^-]+-\s([^:]+):(.+) first group - NameOrNumber 2nd group - 消息

版本4，假设编号以+开头而名称不是

:[^-]+-\s([^:\+]*)(\+*[^:]+):(.+)

• 第一组持有name（如果有）
• 第二组将number开头的+（如果有）
• 第3组持有message
• online version 4 example

第5版 - 消息的多行支持（基于日期的分隔符）

(\d{2}\/\d{2}\/\d{2}),\s([^-]+)+-\s([^:\+]*)(\+*[^:]+):((.|\n(?!\d{2}\/\d{2}\/\d{2},[^-]+))+)

• 第一组持有该日
• 第二组持有时间
• 第3组持有name（如果有）
• 如果有number
，第4组将+开头
• 第5组持有message
• 第6组在分隔符后保留字符 online version 5 example

版本5如何工作？

1. (\d{2}\/\d{2}\/\d{2})寻找dd\mm\yy格式
2. ,\s([^-]+)+-\s查看应该在,之后和-
之前的时间
3. ([^:\+]*)(\+*[^:]+):在下一个:之前查找文字。如果有+，那么如果没有名称
，则为数字
4. ((.|\n(?!\d{2}\/\d{2}\/\d{2},[^-]+))+) - 棘手的部分。这很棘手，因为.找到任何char期望new line。那么这部分是做什么的呢？它搜索任何字符或{em>不后跟\n的{​​{1}}。简单来说，如果dd\mm\yy,<anything here> -以日期开头，则不会将其作为消息的一部分进行捕获。

注释

new line允许非法日期，例如\d{2}\/\d{2}\/\d{2}。它可以阻止它，但99/99/99是一个大的its solution

regex - 在,\s([^-]+)+-\s和,之间搜索小时。这可以根据实际需要更加谨慎地完成。

Answer 2

好。让我们使用regex101：https://regex101.com/r/qX0pQ2/1

我使用的模式是：

(\d{2}\/\d{2}\/\d{2}),\s(\d{1,2}:\d{2}(?:\s(?:AM|PM)))?\s-\s(.*):\s(.*)

这是什么意思？ Regex101详细解释了它，但让我简要地强调一下这些变化。简单地说，使用.*作为名称和消息。它代表＆＃34; 任何字符，零到任意多个＆＃34;。如果是这种情况，您可以将其更改为.+以确保名称或消息不能为空。

我将\d\d内容缩写为\d{2}，这是相同的。另外，/是正则表达式中具有特殊含义的字符;你需要通过在它前面添加\来逃避它，如果你只想匹配角色本身。在Java中，这个转义字符本身具有特殊含义（即在Java-Strings中转义）。因此，您需要在Java中转义转义字符。例如，这会导致\\/。

但是我们如何在Java中实现它？这是一些代码：

Pattern pattern = Pattern.compile("(\\d{2}\\/\\d{2}\\/\\d{2}),\\s(\\d{1,2}:\\d{2}(?:\\s(?:AM|PM)))?\\s-\\s(.*):\\s(.*)");
Matcher matcher = pattern.match(inputText);

if (matcher.find()) {
    String date = matcher.group(1);
    String time = matcher.group(2);
    String name = matcher.group(3);
    String message = matcher.group(4);
    // Do something with this
}

还有一件事：(...)是一个捕获组。您可以使用matcher.group(X)访问匹配的内容。如果您想在不使用捕获组的情况下使用(...)，则可以使用(?:...)，就像我为AM，PM做的那样。

希望你明白一切，玩得开心。以下是模式文档：Pattern.html

Answer 3

这将所有主要组件分成不同的捕获组：

(\d{2}\/\d{2}\/\d{2}),\s(\d{2}:\d{2}\s(?:AM|PM))\s-\s(.*):\s(.*)

第1组：MM / DD / YY

第2组：HH：MM AM / PM

第3组：发件人姓名或号码

第4组：讯息内容