使用正则表达式解析文本

Question

所以我试图解析一个包含两个关键组成部分的字符串。 一个告诉我时间选择，另一个告诉我位置。

这是文本的样子

KB_H9Oct4GFP_20130305_p00{iiii}t00000{ttt}z001c02.tif

{iiii}是头寸， {ttt}是时间选项。

我需要将{ttt}和{iiii}分开，以便获得完整的文件名：例如，位置1和时间片1 = KB_H9Oct4GFP_20130305_p0000001t000000001z001c02.tif

到目前为止，这里是我解析它们的方式：

    int startTimeSlice = 1;
    int startTile = 1;
    String regexTime = "([^{]*)\\{([t]+)\\}(.*)";
    Pattern patternTime = Pattern.compile(regexTime);       
    Matcher matcherTime = patternTime.matcher(filePattern);

    if (!matcherTime.find() || matcherTime.groupCount() != 3)
    {

        throw new IllegalArgumentException("Incorect filePattern: " + filePattern);
    }

    String timePrefix = matcherTime.group(1);
    int tCount = matcherTime.group(2).length();
    String timeSuffix = matcherTime.group(3);

    String timeMatcher = timePrefix + "%0" + tCount + "d" + timeSuffix;


    String timeFileName = String.format(timeMatcher, startTimeSlice);

    String regex = "([^{]*)\\{([i]+)\\}(.*)";
    Pattern pattern = Pattern.compile(regex);       
    Matcher matcher = pattern.matcher(timeFileName);        



    if (!matcher.find() || matcher.groupCount() != 3)
    {
        throw new IllegalArgumentException("Incorect filePattern: " + filePattern);
    }

    String prefix = matcher.group(1);
    int iCount = matcher.group(2).length();
    String suffix = matcher.group(3);

    String nameMatcher = prefix + "%0" + iCount + "d" + suffix;

    String fileName = String.format(nameMatcher, startTile);

不幸的是，我的代码无法正常工作，并且在检查第二个matcher是否在timeFileName找到任何内容时timeFileName 。

在进行第一次正则表达式检查后，它得到以下内容作为timeFileName ： 000000001z001c02.tif ，因此它将切断包括{iiii}在内的开头部分。

不幸的是，我不能假设哪个组先进入（ {iiii}或{ttt} ），所以我试图设计一个解决方案，该解决方案首先处理{ttt} ，然后处理{iiii} 。

另外，这是我也在尝试解析的有效文本的另一个示例： F_{iii}_{ttt}.tif

Answer 1

遵循的步骤：

• 在文件名中找到字符串{ttt ...}
• 根据字符串中“ t”的编号形成数字格式
• 在文件名中找到字符串{iiii ...}
• 根据字符串中“ i”的编号形成数字格式
• 使用String.replace（）方法替换时间和位置

这是代码：

String filePattern = "KB_H9Oct4GFP_20130305_p00{iiii}t00000{ttt}z001c02.tif";
int startTimeSlice = 1;
int startTile = 1;

Pattern patternTime = Pattern.compile("(\\{[t]*\\})");
Matcher matcherTime = patternTime.matcher(filePattern);

if (matcherTime.find()) {
    String timePattern = matcherTime.group(0);// {ttt}

    NumberFormat timingFormat = new DecimalFormat(timePattern.replaceAll("t", "0")
            .substring(1, timePattern.length() - 1));// 000

    Pattern patternPosition = Pattern.compile("(\\{[i]*\\})");
    Matcher matcherPosition = patternPosition.matcher(filePattern);

    if (matcherPosition.find()) {
        String positionPattern = matcherPosition.group(0);// {iiii}

        NumberFormat positionFormat = new DecimalFormat(positionPattern
                .replaceAll("i", "0").substring(1, positionPattern.length() - 1));// 0000

        System.out.println(filePattern.replace(timePattern,
                timingFormat.format(startTimeSlice)).replace(positionPattern,
                positionFormat.format(startTile)));
    }
}

Answer 2

您的第一个模式如下所示：

String regexTime = "([^{]*)\\{([t]+)\\}(.*)";

这将找到一个字符串，该字符串由零个或多个非{字符组成，然后由{t...t} ，然后是其他字符组成。

当您输入

KB_H9Oct4GFP_20130305_p00{iiii}t00000{ttt}z001c02.tif

匹配的第一个子字符串是

iiii}t00000{ttt}z001c02.tif

i之前的{无法匹配，因为您告诉它只能匹配非{字符。 结果是，当您重新iiii}字符串以进行第二次匹配时，它将以iiii}开头，因此不会像您尝试的那样匹配{iiii} 。

当您寻找{ttt...} ，我看不出有任何理由从字符串的第一部分中排除{或其他任何字符。 因此将正则表达式更改为

"^(.*)\\{(t+\\}(.*)$"

可能是解决此问题的简单方法。 注意，如果要确保在组中包括字符串的整个开头和字符串的整个结尾，则应包括^和$以分别匹配字符串的开头和结尾； 否则，匹配器引擎可能会决定不包括所有内容。 在这种情况下，它不会，但是无论如何都是一个好习惯，因为这使事情变得很明确，并且不需要任何人知道“贪婪”和“勉强”匹配之间的区别。 或者使用matches()而不是find() ，因为matches()自动尝试匹配整个字符串。

Answer 3

好的，因此，经过一些测试，我找到了一种处理这种情况的方法：

为了解析{ttt}我可以使用正则表达式： (.*)\\\\{t([t]+)\\\\}(.*)

现在，这意味着我必须将tCount加1才能说明从\\\\{t

{iii} ： (.*)\\\\{i([i]+)\\\\}(.*)

Answer 4

也许更简单的方法（如http://regex101.com/r/vG7kY7所确认）是

(\{i+\}).*(\{t+\})

您不需要在要匹配的单个字符周围使用[] 。 把事情简单化。 i+表示“一个或多个i ”，只要按给定的顺序进行，该表达式即可工作（第一个匹配项为{iiii} ，第二个匹配项为{ttttt} ）。

在字符串中编写时，可能需要转义反斜杠...