Java利用正则表达式提取数据的方法
什么是正则表达式
正则表达式是一种可以用于模式匹配和替换的规范,一个正则表达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)组成的文字模式,它 用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
Java利用正则表达式提取数据
Java正则表达式的用途很广,之前要用到将一大 3M 的 txt 文本切分成多个小文本,用 C# 写的话很简洁,代码也就二十几行,今天用 Java 写了一下,果然,Java 很罗嗦。
切分文件的代码就不贴了,主要贴一下怎么使用正则表达式将大字符串进行分组:
比如,现在有一个 endlist.txt 文本文件,内容如下:
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
七位数字代表手机号码的前七位,后面的汉字表示号码归属地。现在我要将这些内容按照 130 131 132... 开头分别写到 130.txt 131.txt 132.txt.....这些文件中。
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行使用正则表达式 "(\\d{3})(\\d{4},[\u4e00-\u9fa5]*\\n)" 每个()中的内容为一组,索引从 1 开始,0表示整个表达式。所以这个表达式分为两组,第一组表示3个数字,第二组表示 4个数字加多个汉字加一个换行符。提取时如26-28行所示。
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流。
相关文章
SpringBoot中@ConditionalOnBean实现原理解读
这篇文章主要介绍了SpringBoot中@ConditionalOnBean实现原理,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教2023-02-02Java并发容器之ConcurrentLinkedQueue详解
这篇文章主要介绍了Java并发容器之ConcurrentLinkedQueue详解,加锁队列的实现较为简单,这里就略过,我们来重点来解读一下非阻塞队列,2023-12-12
从点到面, 下面我们来看下非阻塞队列经典实现类ConcurrentLinkedQueue,需要的朋友可以参考下springboot dynamic多数据源demo以及常见切换、事务的问题
这篇文章主要介绍了springboot dynamic多数据源demo以及常见切换、事务的问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-07-07浅谈Java消息队列总结篇(ActiveMQ、RabbitMQ、ZeroMQ、Kafka)
这篇文章主要介绍了浅谈Java消息队列总结篇(ActiveMQ、RabbitMQ、ZeroMQ、Kafka),小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧2019-05-05
最新评论