我正在尝试在字符串中搜索ArrayList(terms_1pers)
中包含的一组单词,并且由于前提是在搜索单词之前和之后都不应有字母,因此我想到了使用表达规则。
我只是不知道我使用Matchs运算符在做什么错。在报告的代码中,如果未验证匹配项,则会将其写入外部文件。
String url = csvRecord.get("url");
String text = csvRecord.get("review");
String var = null;
for(String term : terms_1pers)
{
if(!text.matches("[^a-z]"+term+"[^a-z]"))
{
var="true";
}
}
if(!var.equals("true"))
{
bw.write(url+";"+text+"\n");
}
答案 0 :(得分:2)
为了找到正则表达式匹配项,您应该使用正则表达式类。模式和匹配器。
String term = "term";
ArrayList<String> a = new ArrayList<String>();
a.add("123term456"); //true
a.add("A123Term5"); //false
a.add("term456"); //true
a.add("123term"); //true
Pattern p = Pattern.compile("^[^A-Za-z]*(" + term + ")[^A-Za-z]*$");
for(String text : a) {
Matcher m = p.matcher(text);
if (m.find()) {
System.out.println("Found: " + m.group(1) );
//since the term you are adding is the second matchable portion, you're looking for group(1)
}
else System.out.println("No match for: " + term);
}
}
在该示例中,我们创建了一个https://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html的实例,以在与之匹配的文本中查找匹配项。
请注意,我对正则表达式做了一些调整。此代码中的选择从初始匹配部分中排除所有字母A-Z和小写版本。它还将允许在匹配项之前或之后根本没有字符的情况。如果需要在此处放置某些东西,请使用+
而不是*
。我还限制了正则表达式,以通过使用^
和$
来验证匹配文本的结尾来强制匹配只包含这三个组的匹配。如果这不适合您的用例,则可能需要进行调整。
以各种不同的术语来演示使用此方法:
ArrayList<String> terms = new ArrayList<String>();
terms.add("term");
terms.add("the book is on the table");
terms.add("1981 was the best year ever!");
ArrayList<String> a = new ArrayList<String>();
a.add("123term456");
a.add("A123Term5");
a.add("the book is on the table456");
a.add("1@#!231981 was the best year ever!9#");
for (String term: terms) {
Pattern p = Pattern.compile("^[^A-Za-z]*(" + term + ")[^A-Za-z]*$");
for(String text : a) {
Matcher m = p.matcher(text);
if (m.find()) {
System.out.println("Found: " + m.group(1) + " in " + text);
//since the term you are adding is the second matchable portion, you're looking for group(1)
}
else System.out.println("No match for: " + term + " in " + text);
}
}
此输出为: 找到:术语在123term456 不符合以下条件:A123Term5中的字词 没有匹配项:这本书中的字词在表格456上。...
针对有关使String术语不区分大小写的问题,我们可以通过一种java.lang.Character
利用大写和小写字母的选项来构建字符串的方法。
String term = "This iS the teRm.";
String matchText = "123This is the term.";
StringBuilder str = new StringBuilder();
str.append("^[^A-Za-z]*(");
for (int i = 0; i < term.length(); i++) {
char c = term.charAt(i);
if (Character.isLetter(c))
str.append("(" + Character.toLowerCase(c) + "|" + Character.toUpperCase(c) + ")");
else str.append(c);
}
str.append(")[^A-Za-z]*$");
System.out.println(str.toString());
Pattern p = Pattern.compile(str.toString());
Matcher m = p.matcher(matchText);
if (m.find()) System.out.println("Found!");
else System.out.println("Not Found!");
此代码输出两行,第一行是正在Pattern中编译的正则表达式字符串。 "^[^A-Za-z]*((t|T)(h|H)(i|I)(s|S) (i|I)(s|S) (t|T)(h|H)(e|E) (t|T)(e|E)(r|R)(m|M).)[^A-Za-z]*$"
经过调整的正则表达式允许无论大小写均匹配术语中的字母。第二个输出行是“找到!”因为在matchText中可以找到大小写混合的词。
答案 1 :(得分:1)
您没有考虑开头和结尾可能包含字母的情况 因此,在前端和后端添加。*应该可以解决您的问题。
for(String term : terms_1pers)
{
if( text.matches(".*[^a-zA-Z]+" + term + "[^a-zA-Z]+.*)" )
{
var="true";
break; //exit the loop
}
}
if(!var.equals("true"))
{
bw.write(url+";"+text+"\n");
}
答案 2 :(得分:0)
有几件事要注意:
matches
需要完整的字符串匹配,因此[^a-z]term[^a-z]
仅匹配:term.
之类的字符串。您需要使用.find()
来找到部分匹配项Pattern.quote
,或者如果它包含特殊字符,则不会匹配(?:^|[^a-z])
或(?:$|[^a-z])
)或环顾(?<![a-z])
和(?![a-z])
。 \p{Alpha}
,或者-如果您打算匹配任何Unicode字母,请使用\p{L}
。var
变量设置为布尔类型更具逻辑性。固定代码:
String url = csvRecord.get("url");
String text = csvRecord.get("review");
Boolean var = false;
for(String term : terms_1pers)
{
Matcher m = Pattern.compile("(?<!\\p{L})" + Pattern.quote(term) + "(?!\\p{L})").matcher(text);
// If the search must be case insensitive use
// Matcher m = Pattern.compile("(?i)(?<!\\p{L})" + Pattern.quote(term) + "(?!\\p{L})").matcher(text);
if(!m.find())
{
var = true;
}
}
if (!var) {
bw.write(url+";"+text+"\n");
}