在 Java 中提取标签值对的正则表达式答案

【问题标题】：Regular Expression to extract label-value pairs in Java在 Java 中提取标签值对的正则表达式
【发布时间】：2008-12-25 19:44:35
【问题描述】：

我有一个文件包含几行类似于：

Name: Peter
Address: St. Serrano número 12, España
Country: Spain

而且我需要使用正则表达式提取地址，考虑到它可以包含点、特殊字符（ñ、ç）、áéíóú...

当前的代码可以运行，但是看起来很丑：。

Pattern p = Pattern.compile("^(.+?)Address: ([a-zA-Z0-9ñÑçÇáéíóú., ]+)(.+?)$",
                            Pattern.MULTILINE | Pattern.DOTALL);
Matcher m = p.matcher(content);
if (m.matches()) { ... }

编辑：地址字段也可以分成多行

Name: Peter
Address: St. Serrano número 12,   
Madrid
España
Country: Spain

编辑：我不能使用 Properties 对象或 YAML 解析器，因为该文件还包含其他类型的信息。

【问题讨论】：

标签： java regex pattern-matching

【解决方案1】：

我不太了解 Java 的正则表达式对象，但类似这种模式的东西可以做到：

^Address:\s*((?:(?!^\w+:).)+)$

假设多线和点状模式已开启。

这将匹配以地址开头的任何行，后跟任何内容，直到换行符和一个单词，后跟一个冒号。

如果您知道下一个字段必须是“国家/地区”，您可以稍微简化一下：

^Address:\s*((?:(?!^Country:).)+)$

诀窍在于重复组中的前瞻断言。 '（？！国家：）。'将匹配除字符串 'Country:' 开头之外的所有内容，因此我们只需将其放在非捕获括号 (?:...) 中并用 + 对其进行量化，然后将所有这些分组到正常的捕获括号中。

【讨论】：

任何阅读此内容的人。对于多行情况，需要传递标志 DOTALL 并且需要从情况中删除 ^ 和 $。

【解决方案2】：

您可能想查看Properties 类而不是正则表达式。它为您提供了管理纯文本或 XML 文件以表示键值对的方法。

因此您可以读取示例文件，然后在加载到Properties 对象后获取类似的值：

Properties properties = new Properties();
properties.load(/* InputStream of your file */);

Assert.assertEquals("Peter", properties.getProperty("Name"));
Assert.assertEquals("St. Serrano número 12, España", properties.getProperty("Address"));
Assert.assertEquals("Spain", properties.getProperty("Country"));

【讨论】：

为什么使用 Apache Commons Assert 而不是 Java assert？

【解决方案3】：

假设“content”是一个包含文件内容的字符串，你的主要问题是你使用matches()，而你应该使用find()。

Pattern p = Pattern.compile("^Address:\\s*(.*)$", Pattern.MULTILINE);
Matcher m = p.matcher(content);
if ( m.find() )
{
  ...
}

关于 MULTLINE 和 DOTALL 模式的其他答案似乎有些混乱。 MULTILINE 让^ 和$ 锚分别匹配逻辑行的开头和结尾。 DOTALL 让点（句点、句号等）匹配行分隔符，如\n（换行）和\r（回车）。此正则表达式必须使用 MULTILINE 模式，不得使用 DOTALL 模式。

【讨论】：

谢谢。如果地址是多行字段怎么办？是否可以在不需要依赖下一个字段名称的情况下捕获它？
如果地址字段位于输入的末尾，则尼克的两个正则表达式都将匹配。是这个意思吗？

【解决方案4】：

我并不是要陷入困境，但是您必须使用正则表达式吗？为什么不让未来的自己（或其他人）头疼，然后去做：

String line = reader.readLine();
while(line != null)
{
    line = line.trim();
    if(line.startsWith("Address: "))
    {
        return line.substr("Address: ".length()).trim();
    }
    line = reader.readLine();
}
return null;

当然，这也可以稍微参数化并放入方法中。

否则，我会支持 Properties 或 JYaml 建议。

【讨论】：

【解决方案5】：

不是 Java 人，但 "Address: (.*)$" 不工作吗？

编辑：没有 Pattern.MULTILINE | Pattern.DOTALL 选项它应该只匹配该行。

【讨论】：

【解决方案6】：

它可以包含换行符吗？如果它不能包含换行符，则不需要使用多行修饰符，而是可以这样做

Pattern p = Pattern.compile("^Address: (.*)$");

如果可以的话，我能想到的另一种选择是

Pattern p = Pattern.compile("Address: (.*)\nCountry", Pattern.MULTILINE);

如果没有 DOTALL，点将不会匹配换行符，因此您可以在正则表达式中明确指定它，让您可以按照您的要求进行操作。

【讨论】：

【解决方案7】：

你一定要看看YAML。

你可以试试JYaml。

最重要的是它有多种语言的实现。

ps 我已经尝试过YAML::XS 中的示例文本，效果很好。

【讨论】：