java - 使用正则表达式从两种不同类型的字符中提取文本

Question

我正在尝试从具有两种不同类型字符的文本中提取字符串。字符是|和#，文本来自外部来源。

我给你举个例子：

• 输入：#hello|#what|whatsup|应该返回hello|和whatsup。
• 输入：#hello#应该返回hello
• 输入：|ola|1应该返回ola
• 输入：|hello#|what#whatsup#node应该返回hello#和whatsup

Answer 1

由于#||##||MiddleRecursion||##||#--> ||##||MiddleRecursion||##||，恐怕您必须进行括号匹配。在这种情况下，将没有使用正则表达式的通用解决方案（如果您知道 | 和 # 的最大连续出现次数，则可以强制它工作）。原因是，有中间递归；正则表达式只能解决左递归或右递归。

这也是使用正则表达式无法进行 HTML 解析的原因之一。

Answer 2

好的，我要开始了。

所以你必须匹配#something# 或|something|

你能写两个独立的正则表达式来做到这一点吗？

你首先会生气的地方是管道|是正则表达式中的一个神奇字符。如果你想匹配那个字符，你必须\\按照我链接的另一个线程在它前面加上前缀。

当你有这两个正则表达式工作时，让我知道，我会发布更多。

（我要出去几个小时……）

Answer 3

这适用于您的字符串。我不知道我是否完全理解您的需求，但我认为如有必要可以对其进行调整：

     String s1 = "#hello|#what|whatsup|";
     String s2 = "#hello#";
     String s3 = "|ola|1";
     String s4 = "|hello#|what#whatsup#node";

     Pattern pattern = Pattern.compile("((\\w)+)(\\||#)(\\||#)?");
     Matcher matcher = pattern.matcher(s4);
     while(matcher.find()) {
         System.out.println(matcher.group(1) + (matcher.group(4) != null ? matcher.group(4).equals("|")? "#" : "|" : ""));
         matcher.find(); //to jump over the next match
     }

更新：我刚刚阅读了中间递归示例。恐怕不行，而且我必须离开我的电脑一段时间。所以这只是让你开始的东西。

适用于所有示例的更新版本：

     String s1 = "#hello|#what|whatsup|";
     String s2 = "#hello#";
     String s3 = "|ola|1";
     String s4 = "|hello#|what#whatsup#node";
     String s5 = "#||##||MiddleRecursion||##||#";

     Pattern pattern = Pattern.compile("(#|\\|)((#|\\|)*\\w+(#|\\|)*)(#|\\|)");
     Matcher matcher = pattern.matcher(s1);
     while(matcher.find()) {
         System.out.println(matcher.group(2));
     }