java正则表达式中，如何匹配特定两个字符串直接的数据，同时合并两个表达式

2016-02-26 10:57:58 904 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

Java第九篇：针对一批字符串生成比较简短的正则表达式（包含工具类源码）目录正则表达式生成功能描述流程逻辑getCommonFixStr方法详解最大公共前缀子串的提取dealWithPrefix方法详解最大公共后缀子串的提取generate方法详解连续数字/连续字母提取testRegex方法详解正则表达式规范工具类代码正则表达式生成功能描述为了满足系统需要对一定数量的String生成正则表达式，要求缩短正则表达式的长度，尽量提高正则表达式的匹配效率。流程逻辑给定一批需要生成的字符串，以及用来排除的其他字符串集合设计正则表达式的优化从前缀出发，优先将共同前缀的字符串进阅读详情

数据如下：
（1）2016-02-19 14:41:46,649 INFO process 7: 37002, #1.csv, EthPort(PLAT)_20160219144638716
（2）2016-02-19 14:41:50,090 INFO process 7: finish post-process file: CELL(PLAT)_20160219144638719+0800

需要得到的数据是：
（1）#1.csv,和_20160219144638716之间的那个字符串 EthPort(PLAT)
（2）process 7: finish post-process file:和_20160219144638719+0800之间的那个字符串CELL(PLAT)

问题说明：
（1）如何获取特定的两个字符串直接的数据
（2）上面需要得到的那两个数据是同一种类型，所以需要将两个表达式放在一起，相当于或

这个问题我查了一些资料，目前还是没有解决，请大神帮忙看看，谢谢了！

...全文

字符串合并处理--牛客 Java 第二步：对合并后的字符串进行排序，要求为：下标为奇数的字符和下标为偶数的字符分别从小到大排序。例如刚刚得到的字符串“decfab”，分别对下标为偶数的字符'd'、'c'、'a'和下标为奇数的字符'e'、'f'、'b'进行排序（生成 'a'、'c'、'd' 和 'b' 、'e' 、'f'），再依次分别放回原串中的偶数位和奇数位，新字符串变为“abcedf”转换后的字符是 '3'。转换后的字符为 '2'。第三步：对排序后的字符串中的'0'~'9'、'A'~'F'和'a'~'f'字符，需要进行转换操作。阅读详情

「已注销」

Java 51,407 成员 86,126 内容

+ 关注 + 加入社区

切换为时间正序

「已注销」 2016-02-28

打赏
举报

引用 22 楼 rickylin86 的回复:

把正则的内容放在一个CDATA中就没问题了.然后XML解释器解释的时候直接读取.


<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE regex [
	<!ELEMENT regex (code)>
	<!ELEMENT code (#PCDATA)>
]>

<regex>
	<code>
		<![CDATA[
			(?s)(?<year>\\d+)-(?<month>\\d+)-(?<date>\\d+) (?<hour>\\d+):(?<minute>\\d+):(?<second>\\d+).*?(?<value>\\S+)_\\1\\2\\3
		]]>
	</code>
</regex>

可以

rickylin86 2016-02-28

打赏
举报

下面的这个代码可以实现.不过会有一定的局限性的.最好测试下你所有的log信息.




import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.nio.file.Path;
import java.nio.channels.FileChannel;
import java.nio.ByteBuffer;
import java.nio.charset.Charset;
import java.nio.charset.CharsetDecoder;
import static java.nio.file.StandardOpenOption.*;
//JDK 1.7以上支持.

/*
---------- java ----------
ikt4mvbb-2
ikm5iwa6-2

Output completed (0 sec consumed) - Normal Termination
*/

public class Test{
	public static void main(String[] args){
		String content = loadLog("work.log");
		String regex = "(?s)(?<year>\\d+)-(?<month>\\d+)-(?<date>\\d+) (?<hour>\\d+):(?<minute>\\d+):(?<second>\\d+).*?([_#])(?<value>[^_#]+)\\7sdrmgr[.]NodeMe";
		Matcher matcher = Pattern.compile(regex).matcher(content);
		while(matcher.find()){//这里采用find
			System.out.println(matcher.group("value"));
		}
	}

	private static String loadLog(String srcPath){
		//从对应的文件路径中读取log信息.(可包含多条记录)
		Path src = Paths.get(srcPath);
		String content = null;
		try(FileChannel channel = (FileChannel)(Files.newByteChannel(src,READ));){
			int size = (int)channel.size();
			ByteBuffer buf = ByteBuffer.allocate(size);
			channel.read(buf);
			buf.flip();
			Charset charset = Charset.defaultCharset();
			CharsetDecoder decoder = charset.newDecoder();
			content = decoder.decode(buf).toString();
		}catch(Exception e){
			e.printStackTrace();
			System.exit(1);
		}

		return content;
	}
}

/* work.log 信息:
2016-02-19 14:44:09,668 INFO  [PoProcessor_PROC_L_CELL_CDMA_HO37332] process 7: 37332, 201602190200+0800#20160219144409#ikt4mvbb-2#sdrmgr.NodeMe#37332#PROC_L_CELL_CDMA_HO#1.csv, Cell(LTE)_20160219021528967+080024B20160219.0200+0800-20160219.0215+0800_0_1_780-3143_180_0_ltefdd.zip, 31K. result: OK


2016-02-19 14:41:50,090 INFO  [com.zte.ums.minos.slave.pm.emf.datacollect.fileparser.RptFileProcessor_CSV_ikm5iwa6-2_sdrmgr.NodeMe_sdrmgr.PlatIPPD] process 7: finish post-process file: IPPath(PLAT)_20160219144638719+080024A20160219.1430+0800-20160219.1445+0800_0_2_1000-3_0_0.zip, result: empty.
*/

「已注销」 2016-02-28

打赏
举报

引用 22 楼 rickylin86 的回复:

把正则的内容放在一个CDATA中就没问题了.然后XML解释器解释的时候直接读取.


<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE regex [
	<!ELEMENT regex (code)>
	<!ELEMENT code (#PCDATA)>
]>

<regex>
	<code>
		<![CDATA[
			(?s)(?<year>\\d+)-(?<month>\\d+)-(?<date>\\d+) (?<hour>\\d+):(?<minute>\\d+):(?<second>\\d+).*?(?<value>\\S+)_\\1\\2\\3
		]]>
	</code>
</regex>

家里敷泥呀 2016-02-27

打赏
举报

写正则表达式，最好的思路去观察目标数据的共通点。例如，目标数据都是：“ xxx(PLAT)_” 结构。都是 [空格][一个单词](PLAT)_ 结构。所以，你就可以这么写： .+ (\w+$PLAT$)_.+ 取出$1即可。如果，括号里面的值是动态的，那括号是共通的，下划线也是共通的，这些都是参考依据。顺便说一下，你的 | 没起作用的问题。解析器不知道你的 | 得作用范围，所以改成： (?:finish post-process file: (.*?)_\d{12})|(?:csv, (.*?)_\d{12}) 试试。PS：该语句没测试，只是居于你的例子改的，有错误自行修正。

「已注销」 2016-02-27

打赏
举报

引用 2楼godblessHugh 的回复:

正则表达式没有问题，应该是Java语句本身写的有问题。不过如果你说的是上面两个字符串是连在一起做匹配的话，也就是：（1）2016-02-19 14:41:46,649 INFO process 7: 37002, #1.csv, EthPort(PLAT)_20160219144638716（2）2016-02-19 14:41:50,090 INFO process 7: finish post-process file: CELL(PLAT)_20160219144638719+0800 这种格式，没有换行，那应该用正则里面的最短匹配，加个问号： finish post-process file: (.*?)_\d{12}|csv, (.*?)_\d{12}

是两行啊那两个表达式都是可以分别匹配但是放一起就不行了

rickylin86 2016-02-27

打赏
举报

把正则的内容放在一个CDATA中就没问题了.然后XML解释器解释的时候直接读取.


<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE regex [
	<!ELEMENT regex (code)>
	<!ELEMENT code (#PCDATA)>
]>

<regex>
	<code>
		<![CDATA[
			(?s)(?<year>\\d+)-(?<month>\\d+)-(?<date>\\d+) (?<hour>\\d+):(?<minute>\\d+):(?<second>\\d+).*?(?<value>\\S+)_\\1\\2\\3
		]]>
	</code>
</regex>

「已注销」 2016-02-27

打赏
举报

引用 19 楼 rickylin86 的回复:

看看上面的代码是否符合你的要求.

你看看我xml的报错提示：

「已注销」 2016-02-27

打赏
举报

引用 8 楼 Q80470101 的回复:

[quote=引用 7 楼 guyi5 的回复:] [quote=引用 5 楼 Q80470101 的回复:] 写正则表达式，最好的思路去观察目标数据的共通点。例如，目标数据都是：“ xxx(PLAT)_” 结构。都是 [空格][一个单词](PLAT)_ 结构。所以，你就可以这么写： .+ (\w+$PLAT$)_.+ 取出$1即可。如果，括号里面的值是动态的，那括号是共通的，下划线也是共通的，这些都是参考依据。顺便说一下，你的 | 没起作用的问题。解析器不知道你的 | 得作用范围，所以改成： (?:finish post-process file: (.*?)_\d{12})|(?:csv, (.*?)_\d{12}) 试试。PS：该语句没测试，只是居于你的例子改的，有错误自行修正。

我试过这个，不行，不知为何；另外，目标数据没有共同点，只是目标数据的前后是规律的，就是我给的数据源的那种格式，前后都一样[/quote] 把你做的尝试，以及结果都贴出来。有更多的信息别人才知道哪出了问题。[/quote] 只匹配了finish post-process file: 后面的那个而csv, 之后那个没有匹配到那个两个表达式，谁放前面就匹配谁，也就是 | 没有生效

引用 19 楼 rickylin86 的回复:

看看上面的代码是否符合你的要求.

谢谢你，幸苦了，你写的那个正则表达式是没有问题的问题是你写的表达式里有标签，如：<year> 、<value>等，当我把这些放入<measure_po> </measure_po>这个标签中的时候，就会报<year> 、<value>等这些没有结束标签。xml检查到数据不合法，提示如下： Multiple annotations found at this line: - End tag of element <measure_po> - The element type "value" must be terminated by the matching end-tag "</ value>" 因为我是要把表达式放到xml的标签中来读取的，所以问题就是在这，谢谢！

rickylin86 2016-02-27

打赏
举报


import java.util.regex.Matcher;
import java.util.regex.Pattern;
//JDK 1.7以上支持.

public class Test{
	public static void main(String[] args){
		//String content = "2016-02-19 14:41:46,649 INFO  process 7: 37002, #1.csv, EthPort(PLAT)_20160219144638716";
		String content = "2016-02-19 14:41:50,090 INFO  process 7: finish post-process file: CELL(PLAT)_20160219144638719+0800";
		String regex = "^(?<year>\\d+)-(?<month>\\d+)-(?<date>\\d+) (?<hour>\\d+):(?<minute>\\d+):(?<second>\\d+).*?(?<value>\\S+)_\\1\\2\\3.*$";
		Matcher matcher = Pattern.compile(regex).matcher(content);
		if(matcher.matches()){
			content = matcher.group("value");
		}
		System.out.println(content);
	}
}

rickylin86 2016-02-27

打赏
举报

看看上面的代码是否符合你的要求.

rickylin86 2016-02-27

打赏
举报



import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.nio.file.Path;
import java.nio.channels.FileChannel;
import java.nio.ByteBuffer;
import java.nio.charset.Charset;
import java.nio.charset.CharsetDecoder;
import static java.nio.file.StandardOpenOption.*;
//JDK 1.7以上支持.

public class Test{
	public static void main(String[] args){
		String content = loadLog("work.log");
		String regex = "(?s)(?<year>\\d+)-(?<month>\\d+)-(?<date>\\d+) (?<hour>\\d+):(?<minute>\\d+):(?<second>\\d+).*?(?<value>\\S+)_\\1\\2\\3";
		Matcher matcher = Pattern.compile(regex).matcher(content);
		while(matcher.find()){//这里采用find
			System.out.println(matcher.group("value"));
		}
	}

	private static String loadLog(String srcPath){
		//从对应的文件路径中读取log信息.(可包含多条记录)
		Path src = Paths.get(srcPath);
		String content = null;
		try(FileChannel channel = (FileChannel)(Files.newByteChannel(src,READ));){
			int size = (int)channel.size();
			ByteBuffer buf = ByteBuffer.allocate(size);
			channel.read(buf);
			buf.flip();
			Charset charset = Charset.defaultCharset();
			CharsetDecoder decoder = charset.newDecoder();
			content = decoder.decode(buf).toString();
		}catch(Exception e){
			e.printStackTrace();
			System.exit(1);
		}

		return content;
	}
}

/* work.log 信息:
2016-02-19 14:44:09,668 INFO  [PoProcessor_PROC_L_CELL_CDMA_HO37332] process 7: 37332, 201602190200+0800#20160219144409#ikt4mvbb-2#sdrmgr.NodeMe#37332#PROC_L_CELL_CDMA_HO#1.csv, Cell(LTE)_20160219021528967+080024B20160219.0200+0800-20160219.0215+0800_0_1_780-3143_180_0_ltefdd.zip, 31K. result: OK


2016-02-19 14:41:50,090 INFO  [com.zte.ums.minos.slave.pm.emf.datacollect.fileparser.RptFileProcessor_CSV_ikm5iwa6-2_sdrmgr.NodeMe_sdrmgr.PlatIPPD] process 7: finish post-process file: IPPath(PLAT)_20160219144638719+080024A20160219.1430+0800-20160219.1445+0800_0_2_1000-3_0_0.zip, result: empty.
*/

godblessHugh 2016-02-27

打赏
举报

正则表达式没有问题，应该是Java语句本身写的有问题。不过如果你说的是上面两个字符串是连在一起做匹配的话，也就是：（1）2016-02-19 14:41:46,649 INFO process 7: 37002, #1.csv, EthPort(PLAT)_20160219144638716（2）2016-02-19 14:41:50,090 INFO process 7: finish post-process file: CELL(PLAT)_20160219144638719+0800 这种格式，没有换行，那应该用正则里面的最短匹配，加个问号： finish post-process file: (.*?)_\d{12}|csv, (.*?)_\d{12}

「已注销」 2016-02-27

打赏
举报

引用 14 楼 rickylin86 的回复:

恩恩。刚大概看了下你发上来log信息源. XML中存储的表达式每个独立工作,然后获取对应的值是吧? 上面的信息源是代表两条记录是吧?或者你把信息值中对应的内容表红色出来.等下我把对应的五条正则表达式给你.

「已注销」 2016-02-27

打赏
举报

引用 14 楼 rickylin86 的回复:

恩恩。刚大概看了下你发上来log信息源. XML中存储的表达式每个独立工作,然后获取对应的值是吧? 上面的信息源是代表两条记录是吧?或者你把信息值中对应的内容表红色出来.等下我把对应的五条正则表达式给你.

对的，上面两条数据源就是日志中的两种情况然后我希望通过一条正则表达式来匹配这两种情况同时，这个表达式要放到xml中的<measure_po> </measure_po>这个标签中

「已注销」 2016-02-27

打赏
举报

引用 13 楼 guyi5 的回复:

[quote=引用 12 楼 rickylin86 的回复:] [quote=引用 11 楼 guyi5 的回复:] [quote=引用 9 楼 rickylin86 的回复:] 正则都是匹配规则来获取内容的.最好你把希望得到结果内容可能出现的结构罗列出来.

2016-02-19 14:44:09,668 INFO [PoProcessor_PROC_L_CELL_CDMA_HO37332] process 7: 37332, 201602190200+0800#20160219144409#ikt4mvbb-2#sdrmgr.NodeMe#37332#PROC_L_CELL_CDMA_HO#1.csv, Cell(LTE)_20160219021528967+080024B20160219.0200+0800-20160219.0215+0800_0_1_780-3143_180_0_ltefdd.zip, 31K. result: OK 2016-02-19 14:41:50,090 INFO [com.zte.ums.minos.slave.pm.emf.datacollect.fileparser.RptFileProcessor_CSV_ikm5iwa6-2_sdrmgr.NodeMe_sdrmgr.PlatIPPD] process 7: finish post-process file: IPPath(PLAT)_20160219144638719+080024A20160219.1430+0800-20160219.1445+0800_0_2_1000-3_0_0.zip, result: empty. 上面这个是我的源数据：我希望得到类似_20160219144638719之前的那个字符串，如IPPath(PLAT)、Cell(LTE) 这两个字符串之前的内容只有两种格式：（1）.csv, （2） process 7: finish post-process file: 然后我的正则表达式是要放到一个xml文件中，通过读取xml配置来获取这个表达式，xml如下： <pm_deal_step step="process 7"> <neid>#\d{14}#(.{10})|CSV_(.{10})</neid> <measure_start_time>([^A]+)\+0800-</measure_start_time> <measure_stop_time>([^-]+)\+0800_</measure_stop_time> <measure_po>(?:finish post-process file: (.*?)_\d{12})|(?:csv, (.*?)_\d{12})</measure_po> <log_time>(.*) INFO</log_time> </pm_deal_step>[/quote] 你的意思是你希望把正则表达式截成几段,然后后面用XML解释器来拼接得到一个完整的正则表达式的意思吗？[/quote] 我希望那个表达式就放在这个标签中：<measure_po>正则表达式</measure_po>[/quote]

引用 13 楼 guyi5 的回复:

[quote=引用 12 楼 rickylin86 的回复:] [quote=引用 11 楼 guyi5 的回复:] [quote=引用 9 楼 rickylin86 的回复:] 正则都是匹配规则来获取内容的.最好你把希望得到结果内容可能出现的结构罗列出来.

rickylin86 2016-02-27

打赏
举报

恩恩。刚大概看了下你发上来log信息源. XML中存储的表达式每个独立工作,然后获取对应的值是吧? 上面的信息源是代表两条记录是吧?或者你把信息值中对应的内容表红色出来.等下我把对应的五条正则表达式给你.

「已注销」 2016-02-27

打赏
举报

引用 12 楼 rickylin86 的回复:

[quote=引用 11 楼 guyi5 的回复:] [quote=引用 9 楼 rickylin86 的回复:] 正则都是匹配规则来获取内容的.最好你把希望得到结果内容可能出现的结构罗列出来.

rickylin86 2016-02-27

打赏
举报

引用 11 楼 guyi5 的回复:

[quote=引用 9 楼 rickylin86 的回复:] 正则都是匹配规则来获取内容的.最好你把希望得到结果内容可能出现的结构罗列出来.

rickylin86 2016-02-27

打赏
举报

引用 6 楼 guyi5 的回复:

[quote=引用 3 楼 rickylin86 的回复:]


import java.util.regex.Matcher;
import java.util.regex.Pattern;
//JDK 1.7以上支持.

public class Test{
	public static void main(String[] args){
		//String content = "2016-02-19 14:41:46,649 INFO  process 7: 37002, #1.csv, EthPort(PLAT)_20160219144638716";
		String content = "2016-02-19 14:41:50,090 INFO  process 7: finish post-process file: CELL(PLAT)_20160219144638719+0800";
		String regex = "^(?<year>\\d+)-(?<month>\\d+)-(?<date>\\d+) (?<hour>\\d+):(?<minute>\\d+):(?<second>\\d+).*?(?<value>\\S+)_\\1\\2\\3.*$";
		Matcher matcher = Pattern.compile(regex).matcher(content);
		if(matcher.matches()){
			content = matcher.group("value");
		}
		System.out.println(content);
	}
}

感谢你的帮忙，你写的这个可行的，另外我这个表达式需要放到xml中，如： <measure_po>(?:finish post-process file: (.*?)_\d{12})|(?:csv, (.*?)_\d{12})</measure_po> 你写的这个表达式：^(?<year>\\d+)-(?<month>\\d+)-(?<date>\\d+) (?<hour>\\d+):(?<minute>\\d+):(?<second>\\d+).*?(?<value>\\S+)_\\1\\2\\3.*$加入xml中报错如下： Multiple annotations found at this line: - End tag of element <measure_po> - The element type "value" must be terminated by the matching end-tag "</ value>". 不能加入xml中如何解决呢？请帮忙看看，谢谢！[/quote]



import java.util.regex.Matcher;
import java.util.regex.Pattern;
//JDK 1.7以上支持.

public class Test{
	public static void main(String[] args){
		//以下是模拟XML中获取标签值中指定内容.(注:标签中未实现可含参数,如果需要包含参数需要重新修改)
		String content = "<src>2016-02-19 14:41:46,649 INFO  process 7: 37002, #1.csv, EthPort(PLAT)_20160219144638716</src>";
		//String content = "<content >2016-02-19 14:41:50,090 INFO  process 7: finish post-process file: CELL(PLAT)_20160219144638719+0800</content>";
		String regex = "^\\s*<(?<tagName>[^>]+)\\s*>(?<year>\\d+)-(?<month>\\d+)-(?<date>\\d+) (?<hour>\\d+):(?<minute>\\d+):(?<second>\\d+).*?(?<value>\\S+)_\\2\\3\\4.*</\\1\\s*>\\s*$";
		Matcher matcher = Pattern.compile(regex).matcher(content);
		if(matcher.matches()){
			content = matcher.group("value");
		}
		System.out.println(content);
	}
}

「已注销」 2016-02-27

打赏
举报

引用 9 楼 rickylin86 的回复:

正则都是匹配规则来获取内容的.最好你把希望得到结果内容可能出现的结构罗列出来.

加载更多回复（5）

java正则表达式中，如何匹配特定两个字符串直接的数据，同时合并两个表达式

相关推荐