我有一堆 XML 文本,需要对其进行迭代并提取一些数据。我知道正则表达式不是最好的方法,但我需要提取的数据很少,而且我成功地通过正则表达式完成了它。我面临的问题是我需要这些数据按顺序出现。下面的数据是我从中提取信息的数据,但我需要逐段进行操作,因此需要迭代标记该特定开始的 pnum=1, pnum=2 .... 值段落。如何使用正则表达式对此进行迭代?正则表达式查找对此有帮助吗?
第一段:
<p pnum=1>
<s snum=1>
<wf cmd=done pos=NN lemma=committee wnsn=1 lexsn=1:14:00::>Committee</wf>
<wf cmd=done pos=NN lemma=approval wnsn=1 lexsn=1:04:02::>approval</wf>
<wf cmd=ignore pos=IN>of</wf>
<wf cmd=done rdf=person pos=NNP lemma=person wnsn=1 lexsn=1:03:00:: pn=person>Gov._Price_Daniel</wf>
<wf cmd=done pos=NN lemma=banker wnsn=1 lexsn=1:18:00::>bankers</wf>
<punc>.</punc>
</s>
</p>
第二段:
<p pnum=2>
<s snum=2>
<wf cmd=done rdf=person pos=NNP lemma=person wnsn=1 lexsn=1:03:00:: pn=person>Daniel</wf>
<wf cmd=done pos=RB lemma=personally wnsn=1 lexsn=4:02:01::>personally</wf>
<wf cmd=done pos=VB lemma=lead wnsn=7 lexsn=2:41:00::>led</wf>
<punc>.</punc>
</s>
</p>
最佳答案
关键是使用非贪婪限定符 .*?
一次只抓取一个段落的内容
Pattern p = Pattern.compile("<p pnum=([0-9]+)>.*?</p>", Pattern.DOTALL);
Matcher m = p.matcher(text);
while(m.find()) {
System.out.format("******Paragraph %s*****%n", m.group(1));
System.out.println(m.group(0));
}
如果有任何嵌套段落,这当然会失败 <p>...</p>
,这就是为什么正则表达式不是一个好的选择。
关于java - 使用 Regex 迭代 XML 文本,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42018158/