Question

我将从大量文件中读取一个长字符串。我需要能够找到是否可以在每个String中找到特定类型的模式。在一些随机文本的前后都有一个特定的字符串。实质上;可能看起来像“ ABC [?????] DEF” ，问号是任何String（很可能不会超过50个字符，也不小于15个字符）。

我不能完全解决这个问题。我认为正则表达式是最好的方法，但是我不知道如何使用正则表达式。有人可以帮助我吗？

Answer 1

请注意，如果将ABC.{15,50}DEF之类的Java正则表达式应用于许多（！）大（！）文件，则效率较低。应用于ABCDEABCDEABCDEABCDEABCDE...的位置每第五个位置将回溯35次。

此问题的有效解决方案是：

具有搜索索引（例如Lucene）“ ABC DEF”〜50的邻近搜索
通配符搜索（在Flexible pattern matching in strings中提到）
具有非回溯自动机（re2j，brics automaton或patternsearchalgorithms）的正则表达式搜索
具有位并行自动机的正则表达式搜索
常规因子搜索

不幸的是，大多数算法不能作为库使用。

Answer 2

这项工作吗？

ABC[.*]DEF 或许 ABC.*DEF

您可以更加严格ABC.*{15,50}DEF

顺便问一下，您可以通过这个网站来帮助自己：https://regex101.com/

Answer 3

尝试

String pattern = "ABC.{15,50}DEF";

我认为这可行。

我生成了一些随机测试用例，您可以尝试

    System.out.println("ABCes564fd5644cv81e6a7ser*oiier&%iuwdjDEF".matches(pattern));
System.out.println("ABC.{15,50.dsjfklejkfsk;dlfk;e546544}DEF".matches(pattern));
System.out.println("ABC.{15,50}*)(/;:DEF".matches(pattern)); //14 chars between
System.out.println("ABC.{15,50}*)(/;:%DEF".matches(pattern)); //15 chars between

Answer 4

我在（regex take string at the center）中使用它：

stringPart1([^.]*)stringPart2

regex101

正则表达式用于查找具有随机中心的特定字符串

4 个答案: