java - 根据不同的单词数量查询不同的正则表达式字符串

Question

我希望能够使用正则表达式从字符串列表中获取目标文件名，但查询与文件不完全匹配。文件:

• 我有几千个文件。我不介意查询速度
• 可以有任何情况
• 可以用空格、下划线、破折号或点来分隔单词
• 如果文件使用“-”将文档名称与源分开，则只需忽略源(“-”之前的任何内容)。
• 如果确切的术语包含在包含其他文本的文件中，请忽略该文件(如下面示例中的 FileList[0])

由于我将在我的 java 应用程序中执行其中的许多操作，因此我想创建一个可以处理不同大小的输入和文件名字符串的 Java 函数。

示例:

Query = "microfluidic systems"

FileList[] = {
    "The.Fabrication.of.microfluidic.systems.in.PDMS.pdf",
    "IEEE - microfluidic systems.pdf",
    "microfluidic systems.pdf",
    "Self-Assembled Electrical Contact to Nanoparticles.pdf",
    "IEEE - Gallium Alloy as Lubricant_for_High_Current - Density Brushes.pdf",
    "Liquid Metal Marbles.pdf"
}

这里第二个和第三个文件应该与查询匹配。

用正则表达式做这件事是不是太难了？或者只是我必须根据查询中使用的单词数量为每个正则表达式创建 case 语句？

编辑来自 QPaysTaxes 的回答。

    String yourText = "microfluidic systems";
    String fileName = "sometext microfluidic systems.pdf";

    String search = yourText.replace(" ", "[\\s_.-]+").toLowerCase();
    Pattern pattern = Pattern.compile("\\s*" + search + "\\..+$");
    Matcher matcher = pattern.matcher(fileName.toLowerCase());
    if (matcher.find())
    {
        System.out.println(matcher.group());
    }

打印结果:

 microfluidic systems.pdf

我想我可能遗漏了一些东西？

Answer 1

除非我误解了你的问题，否则这应该有效:

-\s*(your text here)\..+$

请注意，Java 要求您转义反斜杠，因此您的代码将具有如下内容:

String regex = "-\\s*" + yourText + "\\..+$"

如果您希望接受短语中任何类型的空格分隔单词，可以将 yourText 替换为 yourText.replace("", "[\\s_.-] +") 并在名称定义中使用空格。

然后，要查看正则表达式是否与文件名匹配，请使用 String#matches() :

filename.matches(regex);

如果您希望它不区分大小写，请将两者都转换为小写(即 String#toLowerCase() ):

fileName.toLowerCase().matches(regex.toLowerCase());