使用java从文本文件中提取特定的url答案

【问题标题】：Extracting specific urls from a text file using java使用java从文本文件中提取特定的url
【发布时间】：2012-08-11 19:36:05
【问题描述】：

我有一个文本文档，其中有一堆/courses/......./.../.. 形式的网址从这些网址中，我只想提取/courses/.../lecture-notes 形式的网址。表示以/courses 开头并以/lecture-notes 结尾的网址。有人知道使用正则表达式或仅通过字符串匹配的好方法吗？

【问题讨论】：

标签： java regex text-parsing web-crawler

【解决方案1】：

这是另一种选择：

Scanner s = new Scanner(new FileReader("filename.txt"));

String str;
while (null != (str = s.findWithinHorizon("/courses/\\S*/lecture-notes", 0)))
    System.out.println(str);

给定一个filename.txt 的内容

Here /courses/lorem/lecture-notes and
here /courses/ipsum/dolor/lecture-notes perhaps.

上面的sn-p打印

/courses/lorem/lecture-notes
/courses/ipsum/dolor/lecture-notes

【讨论】：

【解决方案2】：

以下将仅返回中间部分（即：排除/courses/和/lectures-notes/：

Pattern p = Pattern.compile("/courses/(.*)/lectures-notes");
Matcher m = p.matcher(yourStrnig);

if(m.find()).
  return m.group(1) // The "1" here means it'll return the first part of the regex between parethesis.

【讨论】：

【解决方案3】：

假设您每行有 1 个 URL，可以使用：

    BufferedReader br = new BufferedReader(new FileReader("urls.txt"));
    String urlLine;
    while ((urlLine = br.readLine()) != null) {
        if (urlLine.matches("/courses/.*/lecture-notes")) {
            // use url
        }
    }

【讨论】：

描述中的 Nothing 排除了处理 url。此检查在循环中。
除非您解释如何逐个令牌（或至少逐行）遍历文本令牌，否则此答案是不完整的。（另外，^ 和 $ 在使用 matches 时不需要。）