0

我正在制作一个自定义文档比较工具。我正在将 word 文档中的内容与网页内容进行比较。我正在解析网页，只是删除文本并将其与我从 word 文档复制到 JTextarea 的文本进行比较。

我要做的就是比较文本，确保没有拼写错误或遗漏单词。当我解析网页时，我没有得到任何格式，如编号或项目符号列表。我的问题是，当我将 word doc 的内容复制到 jtextarea 时，它会保留所有编号列表、项目符号列表等。

我想要的是采取以下文本示例：

解决方案 1：重新启动网络硬件

如果 Xbox LIVE 性能看起来很慢，请尝试重新启动您的网络硬件。就是这样：

  1. 关闭您的 Xbox 360 控制台和任何网络硬件（例如，您的调制解调器和路由器）。
  2. 等待 30 秒。
  3. 打开调制解调器，然后等待一分钟。

并将其变成：

解决方案 1：重新启动您的网络硬件
如果 Xbox LIVE 性能似乎很慢，请尝试重新启动您的网络硬件。方法如下：
关闭 Xbox 360 主机和任何网络硬件（例如调制解调器和路由器）。
等待 30 秒。
打开调制解调器，然后等待一分钟。

我已经有一个正则表达式来删除所有的空白行，我只是不知道我应该如何处理删除额外的选项卡、列表样式等。有人有什么建议吗？

4

1 回答 1

2

您可以尝试以下启发式方法：

  • 用空格替换所有选项卡（等）（请参阅String.replaceAll()）
  • 用空格替换所有空格后跟数字后跟点的行开头（请参阅正则表达式：|^ *\d*\\.|--carret-space-star-backslash-d-backslash-backslash-dot）
  • 用一个空格替换所有空格系列（正则表达式：| +|--space-spaces-plus）（以删除多余的）-将此保留为最后一步

如果您遇到不想要的其他模式，您可以在那里添加任何其他替换逻辑

注意：我|在正则表达式周围添加了以使前导空格更容易看到，但是当您输入代码时它们不是正则表达式的一部分。

于 2012-07-20T13:50:51.247 回答