java - 用于在 ArrayList 中查找特定字符串的正则表达式

Question

我有一个字符串数组列表，我想找到

//results.getOptions() is an ArrayList<String>

Integer counter = 0;
for ( String option : results.getOptions() ) {
   System.err.println( "Item "+counter+" :"+option );
   counter++;
}

这段代码的输出是:

Item 0 :<ET>read input: 11.844ms</ET>
Item 1 :<ET>import: 2069.9ms</ET>
Item 2 :<ET>calc: 23.022ms</ET>
Item 3 :<ET>decompress .tax: 5.451ms</ET>
Item 4 :<ET>decrypt .tax: 4.409ms</ET>
Item 5 :<ET>load .tax formsets: 7.929ms</ET>
Item 6 :<ET>There were 4 calc errors:
Item 7 :F941 0 ZIP 0 - <Error><FormCd>INWKS941</FormCd><Level>Fatal</Level><Source>Company</Source><Entity>50-7754170</Entity><Category>CompanyInfo</Category><Message>Zip code is invalid.  You must enter a valid ZIP code for your state.  Enter a correct ZIP code in this format 'nnnnn' or 'nnnnn-nnnn'.</Message></Error>.
Item 8 :F941 0 STATE 0 - <Error><FormCd>INWKS941</FormCd><Level>Fatal</Level><Source>Company</Source><Entity>50-7754170</Entity><Category>CompanyInfo</Category><Message>State abbreviation is invalid.  Enter your two-letter postal state abbreviation.</Message></Error>.
Item 9 :F941 0 L11 0 - <Error><FormCd>INWKS941</FormCd><Level>Fatal</Level><Source>Company</Source><Entity>50-7754170</Entity><Category>Calculation</Category><Message>Total taxes after adjustments does not equal the total quarter liability on Schedule B.  You must make the necessary adjustments to reconcile the amounts.</Message></Error>.
Item 10 :F941 0 L15 0 - <Error><FormCd>INWKS941</FormCd><Level>Informational</Level><Source>Company</Source><Entity>50-7754170</Entity><Category>FormInfo</Category><Message>There is a balance due on this form of $6567.78.</Message></Error>.
Item 11 :: 0.034ms</ET>
Item 12 :<ET>write FormML: 8.739ms</ET>
Item 13 :<ET>flush FormML: 0.602ms</ET>
Item 14 :<ET>copy FormML to output vector: 1.763ms</ET>
Item 15 :<ET>convert: 2147.71ms</ET>
Item 16 :<ET>write output: 0.782ms</ET>
Item 17 :<FORMSET id="FORMML"/>
Item 18 :<DATA size="247750"/>
Item 19 :<ERROR code="0"/>
Item 20 :

我想捕获以下开头的文本行(索引):

<ET>There were 4 calc errors:

最后是:

</ET>

(输出中的第 6 - 11 项)

捕获这些特定行的正则表达式是什么？我有一段 Java 代码，它将返回索引，但是捕获这些行的正则表达式是什么？

List<String> getMatchingStrings(List<String> list, String regex) {

  ArrayList<String> matches = new ArrayList<String>();

  Pattern p = Pattern.compile(regex);

  for (String s:list) {
    if (p.matcher(s).matches()) {
      matches.add(s);
    }
  }

  return matches
}

Answer 1

首先，正则表达式对单个字符串进行操作，因此您必须组合单独的字符串。您可能希望将它们视为线条，所以这会起作用。

StringBuilder buf = new StringBuilder();
for (String option : results.getOptions()) {
    buf.append(option).append("\r\n");
}

接下来，您需要一个跨多行工作的正则表达式，因此您需要 DOTALL 选项(“在 dotall 模式下，表达式 . 匹配任何字符，包括行终止符”)。

此外，您需要正则表达式“不情愿”，与“贪婪”相反，因此您需要 .*?，而不是 .*，并且您想要捕获开始模式和结束模式之间的文本，因此您需要一个捕获组 ()。

String regex = "<ET>There were 4 calc errors:(.*?)</ET>";
Pattern p = Pattern.compile(regex, Pattern.DOTALL);
Matcher m = p.matcher(buf.toString());
while (m.find()) {
    String errorText = m.group(1);
    // Use errorText here
}

当然，以防万一没有恰好 4 个错误，您可以使用此:

String regex = "<ET>There were \\d+ calc errors:(.*?)</ET>";

捕获的文本将以换行符开头，因此您可以trim() 错误文本，或添加到模式中。

String regex = "<ET>There were \\d+ calc errors:\r\n(.*?)</ET>";