java - 如何从 Java 字符串中提取特定术语？

Question

我在从每个字符串行中提取术语时遇到严重问题。更具体地说，我有一个 csv 格式的文件，它实际上不是 csv 格式(它将所有术语仅保存到行 [0] 中)

所以，这只是数千个字符串行中的示例字符串行:

(split() 不起作用。!!!)

测试.csv

"31451  CID005319044    　　15939353　　    C8H14O3S2   　　　beta-lipoic acid　　   C1C[S@](=O)S[C@@H]1CCCCC(=O)O "
"12232 COD05374044 23439353　　C924O3S2 　　　saponin　　 CCCC(=O)O "
"9048 　 CTD042032　23241　　C3HO4O3S2　Berberine　 [C@@H]1CCCCC(=O)O "

我只想提取位于第 5 位的“β-硫辛酸”、“皂苷” 和 “小檗碱”。 你可以看到术语之间有很大的空格，所以这就是我说第五个位置的原因。

在这种情况下，如何提取每行位于第 5 个位置的术语？

还有一件事:六个术语之间的空格长度并不总是相等。长度可以是一、二、三、四、五或类似的值。 因为空格的长度是随机的，所以我无法使用 .split() 函数。 例如，在第一行中，我会得到“β-硫辛酸”而不是“β-硫辛酸。**

Answer 1

这是使用字符串分割和索引来解决您的问题的解决方案，

import java.util.ArrayList;

public class StringSplit {

    public static void main(String[] args) {
        String[] seperatedStr = null;
        int fourthStrIndex = 0;
        String modifiedStr = null, finalStr = null;
        ArrayList<String> strList = new ArrayList<String>();
        strList.add("31451  CID005319044    　　15939353　　    C8H14O3S2    beta-lipoic acid   C1C[S@](=O)S[C@@H]1CCCCC(=O)O ");
        strList.add("12232 COD05374044 23439353   C924O3S2   saponin       CCCC(=O)O ");
        strList.add("9048   CTD042032 23241 C3HO4O3S2  Berberine    [C@@H]1CCCCC(=O)O ");

        for (String item: strList) {
            seperatedStr = item.split("\\s+");
            fourthStrIndex = item.indexOf(seperatedStr[3])  + seperatedStr[3].length();
            modifiedStr = item.substring(fourthStrIndex, item.length());
            finalStr = modifiedStr.substring(0, modifiedStr.indexOf(seperatedStr[seperatedStr.length - 1]));
            System.out.println(finalStr.trim());
        }
    }
}

输出:

β-硫辛酸

皂苷

小檗碱