计算 JAVA 中子字符串忽略大小写的出现次数答案

【问题标题】：Counting occurences of substring ignoring case in JAVA计算 JAVA 中子字符串忽略大小写的出现次数
【发布时间】：2014-11-05 04:09:23
【问题描述】：

我正在尝试计算我的 html 文件中 div 标签的出现次数。当我搜索 div 时，我得到 2，而对于 DIV，我得到 1650。所以理想情况下，当我使用 sHtml.toUpperCase()，然后搜索 DIV 时，我应该得到 1652。但我得到了 1656。这里可能出了什么问题？

        /********* Counting occurences of div **************/
        String findString = "DIV";
        int lastIndex = 0;
        int count = 0;

        while (lastIndex != -1) {

            lastIndex = sHtml.indexOf(findString, lastIndex);

            if (lastIndex != -1) {
                count++;
                lastIndex += findString.length();
            }
        }
        System.out.println("Count of div = " + count);

【问题讨论】：

给出奇数的特定测试用例会让某人准确地知道发生了什么。这很可能是下面的一般答案之一。
这不会真正起作用，因为您的方法也会选择像  和类似的 cmets。你真的应该使用 HTML 解析器，这是唯一的方法。
哦，是的。说得通。谢谢。我也是这方面的新手，我可以在 eclipse 中使用什么样的 HTML 解析器？
@tanvi 这对 SO 来说是题外话，但我相信 jsoup 是一个流行的解析器。
@tanvi Google says there's lots.

标签： java substring

【解决方案1】：

您正在拾取之前混合大小写的子字符串 - 例如，Div。不过，这不是计算 "div"s 的好理由，因为您会选择较长单词的一部分（例如，Division 或 Divorce）。

如果您想要更好的计数，可以使用简单的正则表达式进行计数：

"[</]div[ />]"

此正则表达式将匹配前面是< 或/，后跟空格/ 或> 的div：

Pattern countRx = Pattern.compile("[</]div[ />]", Pattern.CASE_INSENSITIVE);
Matcher m = countRx.matcher(sHtml);
int count = 0;
while (m.find()) {
    count++;
}
System.out.println(count);

【讨论】：

@ElliottFrisch 谢谢 - 我添加了标志以使匹配不区分大小写。

【解决方案2】：

通过消除过程，您还必须有Div、DIv、DiV 或dIV 的某种组合。您的文本也可能包含一个带有 div 的单词（如 long division）。

【讨论】：