Java处理字符串搜索嵌套结构的技巧
发布时间：2021-11-24 14:35:22 所属栏目：教程 来源：互联网
导读：在用Java分析HTML文本时，如果要取出有嵌套结构的节点之间的内容，不能直接用正则表达式来处理，因为java所带的正则表达式不支持嵌套结构的描述，虽然Perl、.Net、PHP可以支持。这时可以先用正则表达式找出节点在字符串中的位置，然后对节点进行匹配处理，取
|
在用Java分析HTML文本时，如果要取出有嵌套结构的节点之间的内容，不能直接用正则表达式来处理，因为java所带的正则表达式不支持嵌套结构的描述，虽然Perl、.Net、PHP可以支持。这时可以先用正则表达式找出节点在字符串中的位置，然后对节点进行匹配处理，取出匹配节点之间的内容，实现对嵌套结构的处理。 例如要从 [html] <pre name="code" class="java">data=<div><div>abcd<div></div><form><input type='button' value='submit'/></form></div></div><div>1234</div> 中取出<div></div>之间的内容，希望返回两个字符串 [html] <pre name="code" class="java"><div>abcd<div></div><form><input type='button' value='submit'/></form></div><pre name="code" class="html">和1234。 源代码如下： 为了记录节点在字符串中的值和位置，先定义一个类，保存这些信息: [java] public class Tag { public Tag(String value, int beginPos, int endPos) { super(); this.value = value; this.beginPos = beginPos; this.endPos = endPos; } private String value; private int beginPos; private int endPos; public String getValue() { return value; } public void setValue(String value) { this.value = value; } public int getBeginPos() { return beginPos; } public void setBeginPos(int beginPos) { this.beginPos = beginPos; } public int getEndPos() { return endPos; } public void setEndPos(int endPos) { this.endPos = endPos; } } 从字符串中获取节点之间内容的函数如下： [java] /** * 获取字符串之间的内容，如果包含嵌套，则返回最外层嵌套内容 * * @param data * @param stag 起始节点串 * @param etag 结束节点串 * @return */ public List<String> get(String data,String stag, String etag){ // 存放起始节点，用于和结束节点匹配 Stack<Tag> work = new Stack<Tag>(); // 保存所有起始和结束节点 List<Tag> allTags = new ArrayList<Tag>(); // 在元字符前加转义符 String nstag = stag.replaceAll("([*.+(][?{}^$|\])", "\$1"); String netag = etag.replaceAll("([*.+(][?{}^$|\])", "\$1"); String reg = "((?:"+nstag+")|(?:"+netag+"))"; Pattern p = Pattern.compile(reg, Pattern.CASE_INSENSITIVE|Pattern.MULTILINE); Matcher m = p.matcher(data); while(m.find()){ Tag tag = new Tag(m.group(0),m.start(),m.end()); allTags.add(tag); } // 保存开始结束节点之间的内容，不含节点 List<String> result = new ArrayList<String>(); for(Tag t : allTags){ if (stag.equalsIgnoreCase(t.getValue())){ work.push(t); }else if(etag.equalsIgnoreCase(t.getValue())){ // 如果栈已空，则表示不匹配 if (work.empty()){ throw new RuntimeException("pos "+t.getBeginPos()+" tag not match start tag."); } Tag otag = work.pop(); // 如果栈为空，则匹配 if (work.empty()){ String sub = data.substring(otag.getEndPos(), t.getBeginPos()); result.add(sub); } } } // 如果此时栈不空，则有不匹配发生 if (!work.empty()){ Tag t = work.pop(); throw new RuntimeException("tag "+t.getValue()+ "not match."); } return result; } 函数返回节点之间内容串组成的列表。 例如 调用 get(data,"<div>", "</div>") 返回含有两个元素的列表，元素分别为 [html] <div>abcd<div></div><form><input type='button' value='>'/></form></div>, 1234 需要注意的是如果节点含有正则表达式的元字符，需要在元字符前加转义符，源代码中第16，17行实现此功能。  （编辑：我爱故事小小网_铜陵站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330570号