5

我得到以下输入，我想将其分成四个部分：

-
KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008
TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060 BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035
KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010
TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

它是 METAR，然后是 TAF，然后是 METAR，然后是 TAF。

输入规则：

  1. 机场代码可以更改，但应始终为 3 或 4 个字母。
  2. METARS 将以机场代码或“SPECI”开头，后跟机场代码 (SPECI KPDX)。
  3. TAF 将以机场代码或“TAF AMD”开头，后跟机场代码 (TAF AMD KPDX)。
  4. 在任何报告中，机场代码后面总是跟日期时间戳。
  5. 在 TAF 中，日期时间戳后面总是跟着有效时间（例如 0215/0318）。
  6. 报告可能少至 2 个，也可能多于 4 个。
  7. 任何报告都可能只是一行。

我想自己获取每个报告，所以我^(\\w+.*?)(?:^\\b|\\Z)在以下代码中使用正则表达式：

ArrayList<String> reports = new ArrayList<String>();
Pattern pattern = Pattern.compile( "^(\\w+.*?)(?:^\\b|\\Z)", Pattern.DOTALL|Pattern.MULTILINE );
Matcher matcher = pattern.matcher( input );
while( matcher.find() )
    reports.add( new String( matcher.group( 1 ).trim() ) );

效果很好，我得到 4 个结果：

1：

KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008

2：

TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060 BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035

3：

KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010

4：

TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

我遇到了我的正则表达式失败的情况。有时，TAF 行会运行太长并且会被包裹（我无法控制），所以它可能看起来像（注意“TAF AMD PDX”下方的“BKN150”）：

-
KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008
TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060
BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035
KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010
TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

发生这种情况时，我得到 5 个结果：

1：

KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008

2：

TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060

3：

BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035

4：

KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010

5：

TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

任何人都可以找出一个正则表达式来正确分割这个奇怪的情况吗？或者，我可以在运行正则表达式之前尝试删除输入字符串中的问题换行符，但我不知道如何检测它。

4

1 回答 1

2

您可以从以字母开头的行开始。然后收集至少一行，以五个空格开头（您可以轻松地将该条件放宽为至少一个空格字符或其他内容）。然后一直到以单词字符开头的下一行。

"^(\\w+.*?^[ ]{5}.*?)(?:^\\b|\\Z)"

周围的[]空间不是必需的，但我喜欢将它们包括在内以提高可读性。如果您只想断言有一行以任何空格开头，请替换[ ]{5}为\\s.

请注意，您不必使用捕获组。前瞻将确保您在新报告或文件末尾之后的位置结束：

"^\\w+.*?^[ ]{5}.*?(?=^\\b|\\Z)"

这稍微更有效，并且稍微清理了以下代码（因为您可以使用完整匹配而不是检索组。

更新：

为了适应单行报告的可能性（并且通常），更改结束条件^\\b以匹配新报告的开头更加容易。根据评论中给出的格式描述，您可以使用：

"^\\w+.*?(?=^(?:SPECI\\s|TAF\\sAMD\\s)?[A-Z]{3,4}\\s\\d+Z|\\Z)"

这要求新报告以“可选 SPECI”-“3 或 4 个字母”-“时间戳”或“可选 TAF AMD”-“3 或 4 个字母”-“时间戳”开头。

于 2012-11-02T19:57:54.050 回答