java - 使用正则表达式在字符串中搜索子字符串

Question

我正在尝试搜索包含在字符串内 ArrayList(terms_1pers) 中的一组单词，并且由于前提条件是搜索单词之前和之后不应该有字母，我想到使用正则表达式。

我只是不知道我使用匹配运算符做错了什么。在报告的代码中，如果未验证匹配，则会写入外部文件。

String url = csvRecord.get("url");
String text = csvRecord.get("review");
String var = null;
for(String term : terms_1pers)
{
   if(!text.matches("[^a-z]"+term+"[^a-z]"))
   {
      var="true";
   }
}
if(!var.equals("true"))
{
    bw.write(url+";"+text+"\n");
}

Answer 1

为了查找正则表达式匹配，您应该使用正则表达式类。模式和匹配器。

String term = "term";
ArrayList<String> a  = new ArrayList<String>();
a.add("123term456"); //true
a.add("A123Term5"); //false
a.add("term456"); //true
a.add("123term"); //true
Pattern p = Pattern.compile("^[^A-Za-z]*(" + term + ")[^A-Za-z]*$");
for(String text : a) {
    Matcher m = p.matcher(text);
    if (m.find()) {
         System.out.println("Found: " + m.group(1) );
         //since the term you are adding is the second matchable portion, you're looking for group(1)
    }
    else System.out.println("No match for: " + term);
}

}

在该示例中，我们创建了一个 https://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html 实例来查找您要匹配的文本中的匹配项。

请注意，我稍微调整了正则表达式。此代码中的选择从初始匹配部分中排除所有字母 A-Z 和小写版本。它还允许匹配项之前或之后根本没有字符的情况。如果您需要在那里添加某些内容，请使用 + 而不是 *。我还通过使用 ^ 和 $ 验证匹配文本的结尾来限制正则表达式，以强制匹配仅包含这三个组的匹配项。如果这不适合您的用例，您可能需要进行调整。

演示如何使用各种不同的术语:

ArrayList<String> terms = new ArrayList<String>();
terms.add("term");
terms.add("the book is on the table");
terms.add("1981 was the best year ever!");
ArrayList<String> a  = new ArrayList<String>();
a.add("123term456");
a.add("A123Term5");
a.add("the book is on the table456");
a.add("1@#!231981 was the best year ever!9#");
for (String term: terms) {

    Pattern p = Pattern.compile("^[^A-Za-z]*(" + term + ")[^A-Za-z]*$");

    for(String text : a) {

        Matcher m = p.matcher(text);
        if (m.find()) {
             System.out.println("Found: " + m.group(1)  + " in " + text);
             //since the term you are adding is the second matchable portion, you're looking for group(1)
        }
        else System.out.println("No match for: " + term + " in " + text);
    }
}

输出为:找到:123term456 中的术语不匹配:A123Term5 中的术语不匹配:书中的术语在表上456....

为了回答有关字符串术语不区分大小写的问题，我们可以通过利用 java.lang.Character 来选择大小写字母来构建字符串。

String term = "This iS the teRm.";
String matchText = "123This is the term.";
StringBuilder str = new StringBuilder();
str.append("^[^A-Za-z]*(");
for (int i = 0; i < term.length(); i++) {
  char c = term.charAt(i);
  if (Character.isLetter(c))
    str.append("(" + Character.toLowerCase(c) + "|" + Character.toUpperCase(c) + ")");
  else str.append(c);
}
str.append(")[^A-Za-z]*$");

System.out.println(str.toString());


Pattern p = Pattern.compile(str.toString());
Matcher m = p.matcher(matchText);
if (m.find()) System.out.println("Found!");
else System.out.println("Not Found!");

此代码输出两行，第一行是在模式中编译的正则表达式字符串。 "^[^A-Za-z]*((t|T)(h|H)(i|I)(s|S) (i|I)(s|S) (t|T) (h|H)(e|E) (t|T)(e|E)(r|R)(m|M).)[^A-Za-z]*$" 这个调整后的正则表达式允许匹配术语中的字母，无论大小写。第二个输出行是“Found!”因为混合大小写的术语是在 matchText 中找到的。