Java - 将文件分成多个部分

Question

我正在做一个项目以获取文件并保存其部分。 部分可以是

1.

2.

3.

等等，但也可以是

1.1

2.3.1.II.

等等

现在我知道如何阅读的基本知识了。我需要知道是否有一种很好的方法来检测文本并将其分成几部分。

我想过正则表达式，但我不知道足够的正则表达式来做到这一点。有什么建议吗？

更新

示例：

1. Position
1.1. Position.
1.2. Scope
1.3. Location. 
2. Compensation
2.1. Schedule
2.2. 
3. Term
3.1. Term.
3.1.i. bla
3.1.ii. bla bla

Answer 1

您可以使用此正则表达式来划分和捕获 group1 中的编号部分和 group2 中的段落部分。

^((?:[a-zA-Z\d]{1,2}\.)+)\s+(.*)

在这里，^((?:[a-zA-Z\d]{1,2}\.)+) 捕获编号部分，该部分以一到两个字母数字字符开头，后跟一个或多次完整的文字点。然后是一个空格，因此\s+ 然后(.*) 捕获假定为段落的剩余文本。使用您给定的示例数据，这就是我想出的。如果您需要更多不同的案例，请添加更多示例，我会给您进一步完善的解决方案。

Demo

这是一个示例 Java 代码，

List<String> list = Arrays.asList("1. Position", "1.1. Position.", "1.2. Scope", "1.3. Location. ",
        "2. Compensation", "2.1. Schedule", "2.2. ", "3. Term", "3.1. Term.", "3.1.i. bla", "3.1.ii. bla bla",
        "12.a. some para", "13.a. some para", "1.a. some para", "A.1.a. another para", "B.1.a. some para");
Pattern p = Pattern.compile("^((?:[a-zA-Z\\d]+\\.)+)\\s+(.*)");

list.stream().forEach(x -> {
    Matcher m = p.matcher(x);
    if (m.matches()) {
        System.out.println(x + " --> " + "number section: ("+m.group(1)+")" + " para section: ("+m.group(2)+")");
    }
});

打印，

1. Position --> number section: (1.) para section: (Position)
1.1. Position. --> number section: (1.1.) para section: (Position.)
1.2. Scope --> number section: (1.2.) para section: (Scope)
1.3. Location.  --> number section: (1.3.) para section: (Location. )
2. Compensation --> number section: (2.) para section: (Compensation)
2.1. Schedule --> number section: (2.1.) para section: (Schedule)
2.2.  --> number section: (2.2.) para section: ()
3. Term --> number section: (3.) para section: (Term)
3.1. Term. --> number section: (3.1.) para section: (Term.)
3.1.i. bla --> number section: (3.1.i.) para section: (bla)
3.1.ii. bla bla --> number section: (3.1.ii.) para section: (bla bla)
12.a. some para --> number section: (12.a.) para section: (some para)
13.a. some para --> number section: (13.a.) para section: (some para)
1.a. some para --> number section: (1.a.) para section: (some para)
A.1.a. another para --> number section: (A.1.a.) para section: (another para)
B.1.a. some para --> number section: (B.1.a.) para section: (some para)

Answer 2

您可以使用正则表达式匹配标题，例如这个（假设罗马数字是 u 到 X）：

^((?:(?:\d+|I{1,3}|IV|VI{0,3}|IX|X)\.)+)

Demo

解释：

• ^ 行首

• \d+|I{1,3}|IV|VI{0,3}|IX|X - 匹配一个数字：

  • \d+ 位数
  • I{1,3}|IV|VI{0,3}|IX|X罗马数字

• (?:...)非捕获组

• \. 分隔数字的点
• (...)+ 重复 NUMERAL DOT 组一次或多次

编辑：

在 java 中，您需要转义模式（以便 java 正确解释它）并使用 Pattern.MULTILINE（以便 ^ 标记行的开头而不是字符串的开头）：

Pattern.compile("^((?:(?:\\d+|I{1,3}|IV|VI{0,3}|IX|X)\\.)+)", Pattern.MULTILINE)