Java处理字符串搜索嵌套结构的技巧

发布时间：2021-12-17 13:57:49 所属栏目：教程来源：互联网

导读：在用Java分析HTML文本时，如果要取出有嵌套结构的节点之间的内容，不能直接用正则表达式来处理，因为java所带的正则表达式不支持嵌套结构的描述，虽然Perl、.Net、PHP可以支持。这时可以先用正则表达式找出节点在字符串中的位置，然后对节点进行匹配处理，取

在用Java分析HTML文本时，如果要取出有嵌套结构的节点之间的内容，不能直接用正则表达式来处理，因为java所带的正则表达式不支持嵌套结构的描述，虽然Perl、.Net、PHP可以支持。这时可以先用正则表达式找出节点在字符串中的位置，然后对节点进行匹配处理，取出匹配节点之间的内容，实现对嵌套结构的处理。

例如要从

[html]
<pre name="code" class="java">data=<div><div>abcd<div></div><form><input type='button' value='submit'/></form></div></div><div>1234</div>
中取出<div></div>之间的内容，希望返回两个字符串
[html]
<pre name="code" class="java"><div>abcd<div></div><form><input type='button' value='submit'/></form></div><pre name="code" class="html">和1234。
源代码如下：

为了记录节点在字符串中的值和位置，先定义一个类，保存这些信息:

[java]
public class Tag {

    public Tag(String value, int beginPos, int endPos) {
        super();
        this.value = value;
        this.beginPos = beginPos;
        this.endPos = endPos;
    }
    private String value;
    private int beginPos;
    private int endPos;
    public String getValue() {
        return value;
    }
    public void setValue(String value) {
        this.value = value;
    }
    public int getBeginPos() {
        return beginPos;
    }
    public void setBeginPos(int beginPos) {
        this.beginPos = beginPos;
    }
    public int getEndPos() {
        return endPos;
    }
    public void setEndPos(int endPos) {
        this.endPos = endPos;
    }



}
从字符串中获取节点之间内容的函数如下：
[java]
       /**
* 获取字符串之间的内容，如果包含嵌套，则返回最外层嵌套内容
*
* @param data
* @param stag      起始节点串
* @param etag      结束节点串
* @return
*/
public List<String> get(String data,String stag, String etag){
    // 存放起始节点，用于和结束节点匹配
    Stack<Tag> work = new Stack<Tag>();
    // 保存所有起始和结束节点
    List<Tag> allTags = new ArrayList<Tag>();

    // 在元字符前加转义符
    String nstag = stag.replaceAll("([*.+(][?{}^$|\])", "\$1");
    String netag = etag.replaceAll("([*.+(][?{}^$|\])", "\$1");

    String reg = "((?:"+nstag+")|(?:"+netag+"))";

    Pattern p = Pattern.compile(reg, Pattern.CASE_INSENSITIVE|Pattern.MULTILINE);

    Matcher m = p.matcher(data);

    while(m.find()){
        Tag tag = new Tag(m.group(0),m.start(),m.end());
        allTags.add(tag);
    }
    // 保存开始结束节点之间的内容，不含节点
    List<String> result = new ArrayList<String>();

    for(Tag t : allTags){
        if (stag.equalsIgnoreCase(t.getValue())){
            work.push(t);
        }else if(etag.equalsIgnoreCase(t.getValue())){
            // 如果栈已空，则表示不匹配
            if (work.empty()){
                throw new RuntimeException("pos "+t.getBeginPos()+" tag not match start tag.");
            }
            Tag otag = work.pop();
            // 如果栈为空，则匹配
            if (work.empty()){
                String sub = data.substring(otag.getEndPos(), t.getBeginPos());
                result.add(sub);
            }
        }

    }

    // 如果此时栈不空，则有不匹配发生
    if (!work.empty()){
        Tag t = work.pop();
        throw new RuntimeException("tag "+t.getValue()+ "not match.");
    }

    return result;

}
函数返回节点之间内容串组成的列表。
例如调用 get(data,"<div>", "</div>") 返回含有两个元素的列表，元素分别为

[html]
<div>abcd<div></div><form><input type='button' value='>'/></form></div>, 1234
需要注意的是如果节点含有正则表达式的元字符，需要在元字符前加转义符，源代码中第16，17行实现此功能。

（编辑：开发网_开封站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!

台式电脑怎样恢复系统	iso其是什么格式怎么打
电脑上对话框太大如何	小白重装系统Bootfix.