如何在正则表达式中设置一场比赛在另一场比赛之前的定义优先级

时间：2018-11-21 07:49:53

标签： regex key-value

我有一些日志文件，我需要使用以下格式从其中提取每个记录行的键和值对。

[2018-11-19T13:04:33.031+01:00]  Bedrijfsdocument="BD-023005 Document" Richting="Uitgaand" Status="verzonden"; Zaaknummer="2323343333"; MessageID="ef5c6e9e-849e-4d80-af86-92fc127e7178"; ConversationID="5571c03e-62a8-4fce-81ff-9fe31b7b276c"; RefToMessageId="34333139343034303934303135343731"; MMDBestand="2018-11-19_9bf1caf8-ca3d-43ae-b046-fa44142faa36_0_MMD.mmd"; Bericht="<?xml version="1.0" encoding="UTF-8" standalone="yes"?><ns2:DocumentBericht BDVersie="2.1" BDNaam="TA-022305" xmlns:ns2="com.my.test/berichten/document/2" xmlns="com.my.test/header/1"><Header><ID>58b5708f-4115-462c-93f3-5fb5134c9e25</ID><VerzendendePartijen><VerzendendePartij><Volgnummer>1</Volgnummer><RegistratieveRelatiePartij><Identificatie>00000004000000034000_OTA</Identificatie><SoortRegistratie>15</SoortRegistratie></RegistratieveRelatiePartij></VerzendendePartij></VerzendendePartijen><OntvangendePartijen><OntvangendePartij><Volgnummer>1</Volgnummer><RegistratieveRelatiePartij><Identificatie>00000004000000076000_OTA</Identificatie><SoortRegistratie>15</SoortRegistratie></RegistratieveRelatiePartij></OntvangendePartij></OntvangendePartijen><Datum>2018-11-19</Datum><Tijd>13:04:32.952+01:00</Tijd><SchemaVersieID>1.1</SchemaVersieID></Header><ns2:Zaak><ns2:Identificatie>2100008418</ns2:Identificatie></ns2:Zaak><ns2:DocumentAggregatieniveaus><ns2:DocumentAggregatieniveau><ns2:Classificatie><ns2:DocumentSoort>098</ns2:DocumentSoort></ns2:Classificatie><ns2:Identificatiekenmerk>DOC006256</ns2:Identificatiekenmerk><ns2:Foldernaam>02 - Correspondentie</ns2:Foldernaam><ns2:Revisie>1</ns2:Revisie><ns2:IndicatieGewijzigdeMetadata>0</ns2:IndicatieGewijzigdeMetadata><ns2:Naam>02 - Toezenden stukken rm</ns2:Naam><ns2:Bijlage><ns2:MimeContent><ns2:MimeContentType>application/pdf</ns2:MimeContentType><ns2:MimeContentId>2018-11-19_9bf1caf8-ca3d-43ae-b046-fa44142faa36_2.pdf@my.com</ns2:MimeContentId></ns2:MimeContent></ns2:Bijlage></ns2:DocumentAggregatieniveau></ns2:DocumentAggregatieniveaus></ns2:DocumentBericht>"; Omvang="3512"

当前使用以下正则表达式对其进行解析，以提取名称和值对。

(?:^\[.*\])?(?:[\s]+)(?<key>[^=]+)(?:={1}"{1})(?<value>[^"]+)(?:["]{1})

除了包含XML和非转义引号的'Bericht'键之外，它都可以正常工作。密钥的内容对我来说是事实，因此应在我的代码中处理此问题以解析日志行。因此，我正在寻找一种方法来定义参数值的结尾，即“或>”，其中“”应优先于“。

我使用以下测试代码

public class test {

public static void main(String[] args) {

    Pattern keyValuePairsPattern = Pattern.compile("(?:^\\[.*\\])?(?:[\\s]+)(?<key>[^=]+)(?:={1}\"{1})(?<value>[^\"]+)(?:[\"]{1})");
    String logentry = "[2018-11-19T13:04:33.031+01:00]  Bedrijfsdocument=\"BD-023005 Document\" Richting=\"Uitgaand\" Status=\"verzonden\"; Zaaknummer=\"2323343333\"; MessageID=\"ef5c6e9e-849e-4d80-af86-92fc127e7178\"; ConversationID=\"5571c03e-62a8-4fce-81ff-9fe31b7b276c\"; RefToMessageId=\"34333139343034303934303135343731\"; MMDBestand=\"2018-11-19_9bf1caf8-ca3d-43ae-b046-fa44142faa36_0_MMD.mmd\"; Bericht=\"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?><ns2:DocumentBericht BDVersie=\"2.1\" BDNaam=\"TA-022305\" xmlns:ns2=\"com.my.test/berichten/document/2\" xmlns=\"com.my.test/header/1\"><Header><ID>58b5708f-4115-462c-93f3-5fb5134c9e25</ID><VerzendendePartijen><VerzendendePartij><Volgnummer>1</Volgnummer><RegistratieveRelatiePartij><Identificatie>00000004000000034000_OTA</Identificatie><SoortRegistratie>15</SoortRegistratie></RegistratieveRelatiePartij></VerzendendePartij></VerzendendePartijen><OntvangendePartijen><OntvangendePartij><Volgnummer>1</Volgnummer><RegistratieveRelatiePartij><Identificatie>00000004000000076000_OTA</Identificatie><SoortRegistratie>15</SoortRegistratie></RegistratieveRelatiePartij></OntvangendePartij></OntvangendePartijen><Datum>2018-11-19</Datum><Tijd>13:04:32.952+01:00</Tijd><SchemaVersieID>1.1</SchemaVersieID></Header><ns2:Zaak><ns2:Identificatie>2100008418</ns2:Identificatie></ns2:Zaak><ns2:DocumentAggregatieniveaus><ns2:DocumentAggregatieniveau><ns2:Classificatie><ns2:DocumentSoort>098</ns2:DocumentSoort></ns2:Classificatie><ns2:Identificatiekenmerk>DOC006256</ns2:Identificatiekenmerk><ns2:Foldernaam>02 - Correspondentie</ns2:Foldernaam><ns2:Revisie>1</ns2:Revisie><ns2:IndicatieGewijzigdeMetadata>0</ns2:IndicatieGewijzigdeMetadata><ns2:Naam>02 - Toezenden stukken rm</ns2:Naam><ns2:Bijlage><ns2:MimeContent><ns2:MimeContentType>application/pdf</ns2:MimeContentType><ns2:MimeContentId>2018-11-19_9bf1caf8-ca3d-43ae-b046-fa44142faa36_2.pdf@my.com</ns2:MimeContentId></ns2:MimeContent></ns2:Bijlage></ns2:DocumentAggregatieniveau></ns2:DocumentAggregatieniveaus></ns2:DocumentBericht>\"; Omvang=\"3512\"";

    // Extract Key value pairs
    Matcher paramMatcher = keyValuePairsPattern.matcher(logentry);
    while (paramMatcher.find()) {
        System.out.println(paramMatcher.group("key") + "<=>" + paramMatcher.group("value"));
    }
}

}

哪个给出结果

Bedrijfsdocument<=>BD-023005 Document
Richting<=>Uitgaand
Status<=>verzonden
Zaaknummer<=>2323343333
MessageID<=>ef5c6e9e-849e-4d80-af86-92fc127e7178
ConversationID<=>5571c03e-62a8-4fce-81ff-9fe31b7b276c
RefToMessageId<=>34333139343034303934303135343731
MMDBestand<=>2018-11-19_9bf1caf8-ca3d-43ae-b046-fa44142faa36_0_MMD.mmd
Bericht<=><?xml version=
encoding<=>UTF-8
standalone<=>yes
BDVersie<=>2.1
BDNaam<=>TA-022305
xmlns:ns2<=>com.my.test/berichten/document/2
xmlns<=>com.my.test/header/1
- Correspondentie</ns2:Foldernaam><ns2:Revisie>1</ns2:Revisie><ns2:IndicatieGewijzigdeMetadata>0</ns2:IndicatieGewijzigdeMetadata><ns2:Naam>02 - Toezenden stukken rm</ns2:Naam><ns2:Bijlage><ns2:MimeContent><ns2:MimeContentType>application/pdf</ns2:MimeContentType><ns2:MimeContentId>2018-11-19_9bf1caf8-ca3d-43ae-b046-fa44142faa36_2.pdf@my.com</ns2:MimeContentId></ns2:MimeContent></ns2:Bijlage></ns2:DocumentAggregatieniveau></ns2:DocumentAggregatieniveaus></ns2:DocumentBericht>"; Omvang<=>3512

期望的结果应该是

Bedrijfsdocument<=>BD-023005 Document
Richting<=>Uitgaand
Status<=>verzonden
Zaaknummer<=>2323343333
MessageID<=>ef5c6e9e-849e-4d80-af86-92fc127e7178
ConversationID<=>5571c03e-62a8-4fce-81ff-9fe31b7b276c
RefToMessageId<=>34333139343034303934303135343731
MMDBestand<=>2018-11-19_9bf1caf8-ca3d-43ae-b046-fa44142faa36_0_MMD.mmd
Bericht<=><?xml version="1.0" encoding="UTF-8" standalone="yes" .....       
Omvang<=>3512

我试图在参数值的右引号前添加另一个带有可选“ <”的非捕获组，但这不能解决问题。

(?:^\[.*\])?(?:[\s]+)(?<key>[^=]+)(?:={1}"{1})(?<value>[^"]+)(?:>?)(?:["]{1})

我可能需要的是一个表达式，该表达式通过“或<”定义值的结尾，其中“”优先于“。”

感谢您的帮助。

1 个答案:

答案 0 :(得分：1)

您可以使用

\s(?<key>[^=\s]+)="(?<value>(?:<[^<>]*>|[^"])*)"

在Java中：

String pat = "\\s(?<key>[^=\\s]+)=\"(?<value>(?:<[^<>]*>|[^\"])*)\"";

请参见regex demo。甚至可以省略第一个\s，但它使效率更高。

详细信息

  • \s-空格
  • (?<key>[^=\s]+)-分组“密钥”：1个或多个字符，除了空格和=
  • ="-文字
  • (?<value>(?:<[^<>]*>|[^"])*)-组“值”：<和>之间的任何子字符串，内部没有< / >（<[^<>]*>）或（|）除双引号（[^"]）以外的任何字符
  • "-双引号
相关问题
最新问题