快捷導(dǎo)航

Java利用正則表達(dá)式提取數(shù)據(jù)的方法

更新時(shí)間：2016年12月26日 08:47:07 作者：lihui_yy

最近由于項(xiàng)目需求需要提取txt里的數(shù)據(jù)，之前用C#實(shí)現(xiàn)過，由于最近學(xué)習(xí)了java，所以嘗試用java實(shí)現(xiàn)下，這篇文章主要介紹了Java利用正則表達(dá)式提取數(shù)據(jù)的方法,需要的朋友可以參考下，下面來一起看看吧。

什么是正則表達(dá)式

正則表達(dá)式是一種可以用于模式匹配和替換的規(guī)范，一個(gè)正則表達(dá)式就是由普通的字符（例如字符a到z）以及特殊字符（元字符）組成的文字模式，它用以描述在查找文字主體時(shí)待匹配的一個(gè)或多個(gè)字符串。正則表達(dá)式作為一個(gè)模板，將某個(gè)字符模式與所搜索的字符串進(jìn)行匹配。

Java利用正則表達(dá)式提取數(shù)據(jù)

Java正則表達(dá)式的用途很廣，之前要用到將一大 3M 的 txt 文本切分成多個(gè)小文本，用 C# 寫的話很簡(jiǎn)潔，代碼也就二十幾行，今天用 Java 寫了一下，果然，Java 很羅嗦。

切分文件的代碼就不貼了，主要貼一下怎么使用正則表達(dá)式將大字符串進(jìn)行分組：

比如，現(xiàn)在有一個(gè) endlist.txt 文本文件，內(nèi)容如下：

1300102,北京市
1300103,北京市
1300104,北京市
1300105,北京市
1300106,北京市
1300107,北京市
1300108,北京市
1300109,北京市
1300110,北京市
1300111,北京市
1300112,北京市
1300113,北京市
1300114,北京市
1300115,北京市
1300116,北京市
1300117,北京市
1300118,北京市
1300119,北京市

七位數(shù)字代表手機(jī)號(hào)碼的前七位，后面的漢字表示號(hào)碼歸屬地?，F(xiàn)在我要將這些內(nèi)容按照 130 131 132... 開頭分別寫到 130.txt 131.txt 132.txt.....這些文件中。

public static void main(String args[]) {
  File file = null;
  BufferedReader br = null;
  StringBuffer buffer = null;
  String childPath = "src/endlist.txt";
  String data = "";
  try {
   file = new File(childPath);
   buffer = new StringBuffer();
   InputStreamReader isr = new InputStreamReader(new FileInputStream(file), "utf-8");
   br = new BufferedReader(isr);
   int s;
   while ((s = br.read()) != -1) {
    buffer.append((char) s);
   }
   data = buffer.toString();
  } catch (Exception e) {
   e.printStackTrace();
  }
  Map<String, ArrayList<String>> resultMap = new HashMap<String, ArrayList<String>>();
  for (int i = 0; i < 10; i++) {
   resultMap.put("13" + i, new ArrayList<String>());
  }
  Pattern pattern = Pattern.compile("(\\d{3})(\\d{4},[\u4e00-\u9fa5]*\\n)");
  Matcher matcher = pattern.matcher(data); 
  while (matcher.find()) {
   resultMap.get(matcher.group(1)).add(matcher.group(2));
  }
  for (int i = 0; i < 10; i++) {
   if (resultMap.get("13" + i).size() > 0) {
    try {
     File outFile = new File("src/13" + i + ".txt");
     FileOutputStream outputStream = new FileOutputStream(outFile);
     OutputStreamWriter writer = new OutputStreamWriter(outputStream, "utf-8");
     ArrayList<String> tempList = resultMap.get("13" + i);
     for (int j = 0; j < tempList.size(); j++) {
      writer.append(resultMap.get("13" + i).get(j));
     }
     writer.close();
     outputStream.close();
    } catch (Exception e) {
     // TODO Auto-generated catch block
     e.printStackTrace();
    }
   }
  }
 }

第24行使用正則表達(dá)式 "(\\d{3})(\\d{4},[\u4e00-\u9fa5]*\\n)" 每個(gè)()中的內(nèi)容為一組，索引從 1 開始，0表示整個(gè)表達(dá)式。所以這個(gè)表達(dá)式分為兩組，第一組表示3個(gè)數(shù)字，第二組表示 4個(gè)數(shù)字加多個(gè)漢字加一個(gè)換行符。提取時(shí)如26-28行所示。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來一定的幫助，如果有疑問大家可以留言交流。

您可能感興趣的文章: