0

我正在进行一些关于在自由格式文本中识别 DOI 的研究。

我正在使用 Java 8 和正则表达式

我找到了这些应该满足我要求的正则表达式

/^10.\d{4,9}/[-._;()/:A-Z0-9]+$/i
/^10.1002/[^\s]+$/i
/^10.\d{4}/\d+-\d+X?(\d+)\d+<[\d\w]+:[\d\w]*>\d+.\d+.\w+;\d$/i
/^10.1021/\w\w\d++$/i
/^10.1207/[\w\d]+\&\d+_\d+$/i

我正在尝试的代码是

private static final Pattern pattern_one = Pattern.compile("/^10.\\d{4,9}/[-._;()/:A-Z0-9]+$/i", Pattern.CASE_INSENSITIVE);

Matcher matcher = pattern_one.matcher("http://journals.ametsoc.org/doi/full/10.1175/JPO3002.1");
while (matcher.find()) {
                System.out.print("Start index: " + matcher.start());
                System.out.print(" End index: " + matcher.end() + " ");
                System.out.println(matcher.group());
        }

但是匹配器没有找到任何东西。

我哪里出错了？

更新

我遇到了我的 REGEX 集不匹配的有效 DOI

这是一个示例 DOI：10.1175/1520-0485(2002)032<0870:CT>2.0.CO;2

为什么这种模式不起作用？

/^10.\d{4}/\d+-\d+X?(\d+)\d+<[\d\w]+:[\d\w]*>\d+.\d+.\w+;\d$/i
4

2 回答 2

1

你的模式对我来说看起来不正确。您目前正在使用这个：

/^10.\\d{4,9}/[-._;()/:A-Z0-9]+$/i

但我认为你打算使用这个：

^.*/10\\.\\d{4,9}/[-._;()/:A-Z0-9]+$

您的模式存在的问题包括您正在使用 JavaScript 正则表达式语法或其他语言的语法。此外，您没有转义正则表达式中的文字点，并且模式标记的开头不合适。

代码：

String pattern = "^.*/10\\.\\d{4,9}/[-._;()/:A-Z0-9]+$";
String url = "http://journals.ametsoc.org/doi/full/10.1175/JPO3002.1";
Pattern r = Pattern.compile(pattern);
Matcher m = r.matcher(url);
if (m.find( )) {
    System.out.println("Found value: " + m.group(0) );
} else {
    System.out.println("NO MATCH");
}

演示在这里：

复试机

于 2017-04-28T15:40:12.270 回答
1

在 Java 中，正则表达式被编写为字符串。在其他语言中，正则表达式使用 引用/.../，选项如i在结尾之后给出/。所以，用/XXX/iJava写的东西是这样的：

// Using flags parameter
Pattern p = Pattern.compile("XXX", Pattern.CASE_INSENSITIVE);

// Using embedded flags
Pattern p = Pattern.compile("(?i)XXX");

在大多数语言中，正则表达式用于查找匹配的子字符串。Java 也可以做到这一点，使用find()方法（或许多replaceXxx()正则表达式方法中的任何一种），但是 Java 也有matches()匹配整个字符串的方法，无需开始和结束边界匹配器^和$.

无论如何，您的问题是正则表达式同时具有^边界$匹配器，这意味着它仅在字符串只是您想要匹配的文本时才有效。由于您实际上想要查找子字符串，请删除这些匹配器。

要搜索多个模式之一，请使用|逻辑正则表达式运算符。

最后，由于 Java 正则表达式是作为字符串文字给出的，因此任何特殊字符，尤其是\，都需要转义。

因此，要构建一个单一的正则表达式，它可以找到与以下任何一个匹配的子字符串：

/^10.\d{4,9}/[-._;()/:A-Z0-9]+$/i
/^10.1002/[^\s]+$/i
/^10.\d{4}/\d+-\d+X?(\d+)\d+<[\d\w]+:[\d\w]*>\d+.\d+.\w+;\d$/i
/^10.1021/\w\w\d++$/i
/^10.1207/[\w\d]+\&\d+_\d+$/i

你会这样写：

String regex = "10.\\d{4,9}/[-._;()/:A-Z0-9]+" +
              "|10.1002/[^\\s]+" +
              "|10.\\d{4}/\\d+-\\d+X?(\\d+)\\d+<[\\d\\w]+:[\\d\\w]*>\\d+.\\d+.\\w+;\\d" +
              "|10.1021/\\w\\w\\d++" +
              "|10.1207/[\\w\\d]+\\&\\d+_\\d+";
Pattern p = Pattern.compile(regex, Pattern.CASE_INSENSITIVE);

String input = "http://journals.ametsoc.org/doi/full/10.1175/JPO3002.1";
Matcher m = p.matcher(input);
while (m.find()) {
    System.out.println("Start index: " + m.start() +
                       " End index: " + m.end() +
                       " " + m.group());
}

输出

Start index: 37 End index: 54 10.1175/JPO3002.1
于 2017-04-28T15:59:04.933 回答