java - java中如何从乱七八糟的字符串中抓取文本？

Question

我正在阅读一个文本文件，其中包含电影标题、年份、语言等。我正在努力捕获这些属性。

假设一些字符串是这样的:

 String s = "A Fatal Inversion" (1992)"
 String d = "(aka "Verhngnisvolles Erbe" (1992))    (Germany)"
 String f =  "\"#Yaprava\" (2013) "
 String g = "(aka \"Love Heritage\" (2002)) (International: English title)"

如果指定的话，我如何获取标题、年份、国家/地区，如果从中指定的话，会是什么样的标题？

我不太擅长使用正则表达式和模式，但我不知道在未指定它们的情况下如何找到它是什么类型的属性。我这样做是因为我试图从文本文件生成 xml。我有它的 dtd，但我不确定我是否需要它在这种情况下使用它。

编辑:这是我尝试过的。

    String pattern;
    Pattern p = Pattern.compile("\"([^\"]*)\"");
    Matcher m;



    Pattern number = Pattern.compile("\\d+");
    Matcher num;

    m = p.matcher(s);

    num = number.matcher(s);

    if(m.find()){
        System.out.println(m.group(1));
    }

    if(num.find()){
        System.out.println(num.group(0));
    }

Answer 1

我建议您首先提取年份，因为这看起来相当一致。然后我会提取国家/地区(如果存在)，其余部分我假设是标题。

为了提取国家/地区，我建议您使用已知国家/地区的名称硬编码正则表达式模式。可能需要一些迭代才能确定它们是什么，因为它们似乎非常不一致。

这段代码有点难看(但数据也是如此!):

public class Extraction {
    public final String original;
    public String year = "";
    public String title = "";
    public String country = "";

    private String remaining;

    public Extraction(String s) {
        this.original = s;
        this.remaining = s;
        extractBracketedYear();
        extractBracketedCountry();
        this.title = remaining;
    }

    private void extractBracketedYear() {
        Matcher matcher = Pattern.compile(" ?\\(([0-9]+)\\) ?").matcher(remaining);
        StringBuffer sb = new StringBuffer();
        while (matcher.find()) {
            this.year = matcher.group(1);
            matcher.appendReplacement(sb, "");
        }
        matcher.appendTail(sb);
        remaining = sb.toString();
    }

    private void extractBracketedCountry() {
        Matcher matcher = Pattern.compile("\\((Germany|International: English.*?)\\)").matcher(remaining);
        StringBuffer sb = new StringBuffer();
        while (matcher.find()) {
            this.country = matcher.group(1);
            matcher.appendReplacement(sb, "");
        }
        matcher.appendTail(sb);
        remaining = sb.toString();
    }

    public static void main(String... args) {

        for (String s : new String[] {
                "A Fatal Inversion (1992)",
                "(aka \"Verhngnisvolles Erbe\" (1992))    (Germany)",
                "\"#Yaprava\" (2013) ",
                "(aka \"Love Heritage\" (2002)) (International: English title)"}) {

            Extraction extraction = new Extraction(s);
            System.out.println("title   = " + extraction.title);
            System.out.println("country = " + extraction.country);
            System.out.println("year    = " + extraction.year);
            System.out.println();
        }
    }

}

产品:

title   = A Fatal Inversion
country = 
year    = 1992

title   = (aka "Verhngnisvolles Erbe")    
country = Germany
year    = 1992

title   = "#Yaprava"
country = 
year    = 2013

title   = (aka "Love Heritage") 
country = International: English title
year    = 2002

获得此数据后，您可以进一步操作它(例如“国际:英文标题”->“英格兰”)。