如何從Java中的字符串中提取子字符串

Question

我正在做的是從我的代碼中驗證URL。 所以我有一個帶有url的文件，我想看看它們是否存在。 如果存在，則網頁包含xml代碼，其中將包含我要提取的電子郵件地址。 我繞了一個while循環，在每種情況下，如果URL存在，則xml被添加到字符串中。 這個大字符串包含xml代碼。 我想做的是從其中包含xml代碼的字符串中提取電子郵件地址。 我無法使用字符串api中的方法，因為它們要求您指定不知道的銷售索引，因為它每次都在變化。

我希望做的是在字符串中搜索以（例如“ <email id> ”）和（例如“ </email id> ”）結尾的子字符串，並將這些字符串之間的字符串添加到單獨的字符串中。

有誰知道這是否可行，或者是否有更簡單/不同的方式來做我想做的事情？

謝謝。

Answer 1

如果您很了解XML文檔的結構，我將建議您使用XPath 。

例如，對於<email> a@b.com </ email>中包含的電子郵件，將有一個XPath請求，如/ root / email（取決於您的xml結構）

通過在XML文件上執行此XPath查詢，您將自動獲得數組中返回的所有<email>元素（ Node ）。 如果您有XML元素，那么您就有XML內容。 （#getNodeValue）

Answer 2

要回答您的主題問題：.indexOf或正則表達式。

但是，在簡短回顧您的問題之后，您實際上應該正確地處理XML文檔。

Answer 3

一個正則表達式，它將查找並返回兩個“字符之間的字符串：

import java.util.regex.Pattern;
import java.util.regex.Matcher;

private final static Pattern pattern = Pattern.compile("\"(.*?)\"");

private void doStuffWithStringsBetweenQuotes(String source) {
    Matcher matcher = pattern.matcher(source);
    while (matcher.find()) {
        String match = matcher.group(1);
    }
}

Answer 4

您是否嘗試過使用Regex？ 樣本文檔可能對於此類問題非常有用。

Answer 5

查看org.xml.sax API。 它非常易於使用，並允許您通過XML進行解析，並在遇到任何感興趣的內容時對內容進行任何處理。 因此，您可以輕松地添加一些邏輯以查找<email>起始元素，然后保存將包含您的電子郵件地址的內容（字符）。

Answer 6

如果我正確理解了您的問題，則說明您是從多個網頁中提取XML片段並將它們串聯成一個大的“ xml”字符串，

看起來像

"<somedata>blah</somedata>
<email>a.b@c.com</email>
<somedata>blah</somedata>
<somedata>blah</somedata>
<email>a.c@c.com</email>
<somedata>blah</somedata>
<somedata>blah</somedata>
<email>a.d@c.com</email>
<somedata>blah</somedata>
<somedata>blah</somedata>
"

我建議通過包含根元素來使該XML文檔有些有效。

" <?xml version="1.0" encoding="ISO-8859-1"?> <newRoot> <somedata>blah</somedata> <email>a.b@c.com</email> <somedata>blah</somedata> <somedata>blah</somedata> <email>a.c@c.com</email> <somedata>blah</somedata> <somedata>blah</somedata> <email>a.d@c.com</email> <somedata>blah</somedata> <somedata>blah</somedata> </newroot>" 

然后，您可以將其加載到Xml Document對象中，並可以使用Xpath表達式提取電子郵件節點及其值。

如果您不想這樣做，則可以使用indexOf(String str, int fromIndex)方法來找到<email >和</email >（或稱為它們的任何位置）位置。 然后基於這些子字符串。 不過，這並不是一種特別干凈或易於閱讀的方式。