java - 如何从字符串中提取特定术语？

Question

我在从每个字符串行中提取术语时遇到严重问题。更具体地说，我有一个 csv 格式的文件，它实际上不是 csv 格式(它将所有术语仅保存到行 [0] 中)

所以，这只是数千个字符串行中的示例字符串行:

测试.csv

"31451  CID005319044    　　15939353　　    C8H14O3S2   　　　beta-lipoic acid　　   C1C[S@](=O)S[C@@H]1CCCCC(=O)O "
"12232 COD05374044 23439353　　C924O3S2 　　　saponin　　 CCCC(=O)O "
"9048 　 CTD042032　23241　　C3HO4O3S2　Berberine　 [C@@H]1CCCCC(=O)O "

我只想提取位于第 5 位的“β-硫辛酸”、“皂苷” 和 “小檗碱”。你可以看到术语之间有很大的空格，所以这就是我说第五个位置的原因。

在这种情况下，如何提取每行位于第 5 个位置的术语？

还有一件事:六个术语之间的空格长度并不总是相等。长度可以是一、二、三、四、五或类似的值。因为空格的长度是随机的，所以我无法使用 .split() 函数。例如，在第一行中，我会得到“β-硫辛酸”而不是“β-硫辛酸。**

Answer 1

为此提供算法:

• 阅读文件的每一行。
• 对于每一行，请阅读:
  • 用分隔符分割(不确定是空格还是制表符 \t 字符，这取决于您的文件内容)。
  • 检索第 5 个元素。
  • 将其存储在一个集合中，通常是 List<String> .

您可以使用 Scanner 轻松完成此操作类:

List<String> desiredContent = new ArrayList<>();
Scanner scanner = new Scanner(new File("/path/to/file.csv"));
while (scanner.hasNext()) {
    String line = scanner.nextLine();
    String[] contents = line.split(" ");
    desiredContent.add(contents[4]);
}