java - 使用正则表达式从文本文件中剥离数据

Question

我将从发布文本文件中的数据开始，这只有 4 行，实际文件有几百行。

Friday, September  9 2011        5:00AM - 11:59PM       STH 1102                HOLD DO NOT BOOK                                                 
Report Printed on 9/08/2011 at  2:37 PM   Page 1 of 1 

Friday, September  9 2011        5:00AM - 11:00PM       STH 4155 (BOARDROOM)    HOLD - DO NOT BOOK                     
Hold - Do Not Book        Report Printed on 9/08/2011 at  2:37 PM   Page 1 of 1 

Friday, September  9 2011        5:00AM - 11:59PM       UC 2 (COMPUTER LAB)     HOLD DO NOT BOOK                       
do not book               Report Printed on 9/08/2011 at  2:37 PM   Page 1 of 1 

Friday, September  9 2011        5:00PM - 11:00PM       AH GYM                  USC ORIENTATION 2011 - REVISED         
USC Orientation 2011      Report Printed on 9/08/2011 at  2:37 PM   Page 1 of 1

文本文件的每一小节都在一行中，由许多空格分隔，由于某种原因，这些空格没有出现在问题格式中，我将使用文本的第一部分作为我正在尝试的数据的示例得到。

这是我想从文件 Frid​​ay, 5:00, 11:59, STH 1102 中获取的数据，HOLD DO NOT BOOK，然后忽略该行的读取，文本部分第 2 行的所有信息也将被忽略，但在文本文件本身中它都在一条线上。然后使用这些数据，我想将每一 block 保存到一个变量中。或者，表示 HOLD DO NOT BOOK 的数据部分有时格式如下:DO NOT BOOK，HOLD - DO NOT BOOK，如果正则表达式找到任何这些，它可以忽略该行前后的所有数据。

另外，如果可以的话，我想把其中有 PM 的时间加上 12，这样它们就是 24 小时格式。

这是我目前完整阅读这些台词的方式。然后，一旦用户将路径放入 scheduleTxt JTextfield，我就调用此函数。它可以很好地读取和打印每一行。

public void readFile () throws IOException
    {
        try
        {
            FileInputStream fstream = new FileInputStream(scheduleTxt.getText());
            DataInputStream in = new DataInputStream(fstream);
            BufferedReader br = new BufferedReader(new InputStreamReader(in));
            String strLine;
            while ((strLine = br.readLine()) != null)   
            {
                        System.out.println (str1);      
            }
            in.close();
        }
        catch (Exception e){
            System.err.println("Error: " + e.getMessage());
        }
    }

我知道这个问题中有问题，希望你明白我在问什么，如果有什么不清楚的就问，谢谢!牛肉。

更新:我只是想这可能有助于解释我对这些数据的意图，首先我会将任何下午时间转换为 24 小时格式，然后根据第 4 条数据(STH 1102) 我调用了一个插入函数，该函数将使用 ODBC 驱动程序将行中的其他数据插入到数据库中

Answer 1

那些看起来像字段之间的选项卡。如果我是你，我会使用非正则表达式文本操作来拆分 \t 字符上每三行中的第一行。那应该给你 STH 1102 和 HOLD DO NOT BOOK 没有任何进一步的处理。

剩下 星期五、5:00 和 11:59。您仍然可以通过文本操作获得那些:在逗号上拆分 Frid​​ay, September 并获取第一段，然后在字符串 上拆分 5:00AM - 11:59PM >-(连字符，两边有空格)。

如果你仍然想要正则表达式，你可以使用 "[A-Za-z]+(?=,)" 和 "(\\d{1,2} :\\d{2}[PA]M) - (\\d{1,2}:\\d{2}[PA]M)"。第二种模式将在捕获组 1 和 2 中返回您想要的时间。

整个事情的正则表达式可能不是最好的方法，但这可能会起作用:

"^([^,]+),.*\\t(\\d{1,2}:\\d{2}[PA]M) - (\\d{1,2}:\\d{2}[PA]M)\\t([^\\t]+)\\t([^\\t]+)$"

您想要的值将在捕获组 1 - 5 中。

编辑:

因为您已经指出这些不是组之间的制表符，所以上面的正则表达式不会按原样工作。但是，这可能意味着字段位于固定位置。找出每个组从哪个索引开始，然后使用 String.substring 选择从那里到下一组的所有内容，然后使用 String.trim 结果。然后，您可以按照我上面的描述处理星期几和时间部分:"[A-Za-z]+(?=,)" 和 "(\\d{ 1,2}:\\d{2}[PA]M) - (\\d{1,2}:\\d{2}[PA]M)"，或非正则表达式字符串操作.

此外，如果在第一个“时间”值之前实际上有一个制表符，那可能会弄乱定位。拆分该选项卡上的字符串并使用我在右侧部分描述的 substring 方法。左侧部分可以在 , 上拆分以查找星期几。