什么是正則表達式
正則表達式是一種可以用于模式匹配和替換的規范,一個正則表達式就是由普通的字符(例如字符a到z)以及特殊字符(元字符)組成的文字模式,它 用以描述在查找文字主體時待匹配的一個或多個字符串。正則表達式作為一個模板,將某個字符模式與所搜索的字符串進行匹配。
Java利用正則表達式提取數據
Java正則表達式的用途很廣,之前要用到將一大 3M 的 txt 文本切分成多個小文本,用 C# 寫的話很簡潔,代碼也就二十幾行,今天用 Java 寫了一下,果然,Java 很羅嗦。
切分文件的代碼就不貼了,主要貼一下怎么使用正則表達式將大字符串進行分組:
比如,現在有一個 endlist.txt 文本文件,內容如下:
1300102,北京市1300103,北京市1300104,北京市1300105,北京市1300106,北京市1300107,北京市1300108,北京市1300109,北京市1300110,北京市1300111,北京市1300112,北京市1300113,北京市1300114,北京市1300115,北京市1300116,北京市1300117,北京市1300118,北京市1300119,北京市
七位數字代表手機號碼的前七位,后面的漢字表示號碼歸屬地。現在我要將這些內容按照 130 131 132... 開頭分別寫到 130.txt 131.txt 132.txt.....這些文件中。
public static void main(String args[]) {  File file = null;  BufferedReader br = null;  StringBuffer buffer = null;  String childPath = "src/endlist.txt";  String data = "";  try {   file = new File(childPath);   buffer = new StringBuffer();   InputStreamReader isr = new InputStreamReader(new FileInputStream(file), "utf-8");   br = new BufferedReader(isr);   int s;   while ((s = br.read()) != -1) {    buffer.append((char) s);   }   data = buffer.toString();  } catch (Exception e) {   e.printStackTrace();  }  Map<String, ArrayList<String>> resultMap = new HashMap<String, ArrayList<String>>();  for (int i = 0; i < 10; i++) {   resultMap.put("13" + i, new ArrayList<String>());  }  Pattern pattern = Pattern.compile("(//d{3})(//d{4},[/u4e00-/u9fa5]*//n)");  Matcher matcher = pattern.matcher(data);   while (matcher.find()) {   resultMap.get(matcher.group(1)).add(matcher.group(2));  }  for (int i = 0; i < 10; i++) {   if (resultMap.get("13" + i).size() > 0) {    try {     File outFile = new File("src/13" + i + ".txt");     FileOutputStream outputStream = new FileOutputStream(outFile);     OutputStreamWriter writer = new OutputStreamWriter(outputStream, "utf-8");     ArrayList<String> tempList = resultMap.get("13" + i);     for (int j = 0; j < tempList.size(); j++) {      writer.append(resultMap.get("13" + i).get(j));     }     writer.close();     outputStream.close();    } catch (Exception e) {     // TODO Auto-generated catch block     e.printStackTrace();    }   }  } }第24行使用正則表達式 "(//d{3})(//d{4},[/u4e00-/u9fa5]*//n)" 每個()中的內容為一組,索引從 1 開始,0表示整個表達式。所以這個表達式分為兩組,第一組表示3個數字,第二組表示 4個數字加多個漢字加一個換行符。提取時如26-28行所示。
總結
以上就是這篇文章的全部內容了,希望本文的內容對大家的學習或者工作能帶來一定的幫助,如果有疑問大家可以留言交流。
新聞熱點
疑難解答