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