Question

我正在努力争取一些正则表达式，而且我需要帮助。

我实际上对理解＆＃34;操作方法＆＃34;为了有所作为。

我的应用需要根据类型读取文件和存储元素。我需要检测元素的类型我挣扎是因为我需要区分STRING和STRINGLIST。

STRING通常由＆gt;＆lt;分隔开来。在我的应用中，所以 >C175012331000400200<与我的正则表达式相匹配：^>\\w+<$

提取的文字是C175012331000400200。

那很好......但是：

第一个问题： 但是，谈到STRINGLIST：

>"ProfileId:ATA GRAPHICS.GREXCHANGE<|>","ProfileEd:2.6","SourceCreated b<|>y IsoDraw 7.3,CGM Filter 10.22.50.<|>06","Date:20161207","ColourClass:c<|>olour"<

STRINGS分隔符（＆gt;＆lt;）在那里，提取的字符串是：

 "ProfileId:ATA GRAPHICS.GREXCHANGE","ProfileEd:2.6","SourceCreated by IsoDraw 7.3,CGM Filter 10.22.50.06","Date:20161207","ColourClass:colour"

所以，我知道这是一个STRINGLIST，因为有＆＃34;，＆＃34;分开琴弦。

我无法创建正则表达式检测，所以我回避检测＆lt; |＆gt; 序列。如果它可以帮助，则＆gt;＆lt;＆lt;分隔符是最大 35 个字符。理想情况下，我想检测分隔符中的","，但我测试的所有内容都是错误的。

然后出现了大问题：

我发现我的一些输入文件是二进制编码的。因此，STRING数据的新表示现在是：

>00C00100700500000100600200000100000<|hex->  ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  C1750162010|>0000001000000000000002<|hex->   ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  00100002

实际上，我需要存储所有值，但人类可读的值存储在UTF16子部分中。

因此，二进制编码的STRINGLIST数据对我来说太难了：

>00C00r00e00a00t00e00d00 00b00y00 00<|hex->  ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  Created by|>I00s00o00D00r00a00w00 00700.00300,<|hex->   ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  IsoDraw 7.3,|>00C00G00M00 00F00i00l00t00e00r00 00<|hex->  ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  CGM Filter|>100000.00200200.00500000.000006<|hex->   ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  10.22.50.06

提取的STRING（允许检测它的是STRINGLIST）是

  Created by  IsoDraw 7.3,  CGM Filter 10.22.50.06

*请注意，在这种情况下，＆gt;＆lt;分隔符现在用于rawdata而不是＆＃34;意思是＆＃34; 还请注意，在这种情况下，定义STRINGLIST中STRING的双引号现在已经消失。因此，在这种情况下，STRINGLIST被识别为感谢 - 仅 - 指向，字符。*

TL / DR：

我需要检测元素的类型：

>C175012331000400200<

提取的文字：C175012331000400200
输入： STRING 正则表达式：^>\\w+<$ （Double \因为Java字符串解释）

>"ProfileId:ATA GRAPHICS.GREXCHANGE<|>","ProfileEd:2.6","SourceCreated b<|>y IsoDraw
7.3,CGM Filter 10.22.50.<|>06","Date:20161207","ColourClass:c<|>olour"<

提取的文字：

*"ProfileId:ATA GRAPHICS.GREXCHANGE","ProfileEd:2.6","SourceCreated by IsoDraw 7.3,CGM Filter
10.22.50.06","Date:20161207","ColourClass:colour"*

输入： STRINGLIST REGEX：.+<\\|+> （Double \因为Java字符串解释）

>00C00100700500000100600200000100000<|hex->  ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  C1750162010|>0000001000000000000002<|hex->   ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  00100002

提取的文字：C175016201000100002 输入： STRING REGEX：还没有

>00C00r00e00a00t00e00d00 00b00y00 00<|hex->  ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  Created by|>I00s00o00D00r00a00w00
00700.00300,<|hex->   ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  IsoDraw 7.3,|>00C00G00M00 00F00i00l00t00e00r00 00<|hex->  ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  CGM Filter|>100000.00200200.00500000.000006<|hex->   ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  10.22.50.06

提取的文字：Created by IsoDraw 7.3, CGM Filter 10.22.50.06 键入： STRINGLIST REGEX：还没有

提前致谢!!!!

编辑1：由于回应，首先要感谢你们，第二个问题应该是＆＃34;正则表达式是一个很好的方法来做到这一点＆＃34; ...我的应用程序检测其他类型的数据，因此我将1个正则表达式与类型相关联。我查看了imput文件的规范，最后我发现了＆＃34;，＆＃34;仅适用于非编码的STRINGLIST，因此正则表达式^(.*)(?=\",\")(.*)$适用于这种元素。

附件问题：有没有办法重新组合正则表达式组来解析它们？比如：在UTF16之后获取所有文本然后处理它以检测，字符......

编辑2：在考虑之后，我决定对编码数据采用以下规则（我可以为一种类型设置多次检测正则表达式）。正则表达式和相应的类型存储在LinkedHashMap中，所以我知道顺序。对于ENCODEDLISTSTRING，我将尝试检测第一个值＆＃34; UTF16＆＃34;并在下一个＆gt;之前尝试查看是否有。这样的字符(UTF16->(.+),(.+)>)应该可以解决问题。如果正则表达式不匹配，我将使用(UTF16->(.+)>?)

查找ENCODEDSTRING的UTF16

Answer 1

所以这是正则表达式：

^(>)([\\w|\\d]*)(<)$

为你的

>C175012331000400200<

说明：取出包含在> <

中的所有包含数字和字母的文字

(?s)(.)+(<|>)*

用于文本（这未经过完全测试）

>"ProfileId:ATA GRAPHICS.GREXCHANGE<|>","ProfileEd:2.6","SourceCreated b<|>y IsoDraw 
7.3,CGM Filter 10.22.50.<|>06","Date:20161207","ColourClass:c<|>olour"<

解释：(?s)应检查所有行，即使有换行符也是如此。 (.)+(<|>)*获取文字组和<|>，然后您应该只使用您感兴趣的群组。

(?s)((.*UTF16->)([\\s|\\.|\\w|\\d]+)(|)?)*

匹配：

>00C00r00e00a00t00e00d00 00b00y00 00<|hex->  ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  Created by|>I00s00o00D00r00a00w00
00700.00300,<|hex->   ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  IsoDraw 7.3,|>00C00G00M00 00F00i00l00t00e00r00 00<|hex->  ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  CGM Filter|>100000.00200200.00500000.000006<|hex->   ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  10.22.50.06

和

>00C00100700500000100600200000100000<|hex->  ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  C1750162010|>0000001000000000000002<|hex->   ^^ ^^ ^^ ^^ ^^ ^^ ^^|UTF16->  00100002

说明：(?s)将所有新行转换为.，然后您有两个分隔符UTF16->和|，其间是您想要的文本。

现在你需要使用正则表达式中正确的组，你没事。

正则表达式 - 使用正则表达式

1 个答案: