需要使用正則表達式清理格式不正確的標籤

我需要清理自由流動文本中的某些標籤。例如，在文本中我有兩個重要的標籤：<2004:04:12>和<name of person>。不幸的是，一些標籤缺少「<」或「>」分隔符。

例如，一些如下：

1) <2004:04:12 , I need this to be <2004:04:12> 
2) 2004:04:12>, I need this to be <2004:04:12> 
3) <John Doe , I need this to be <John Doe>

我嘗試使用下面的情況1：

String regex = "<\\d{4}-\\d{2}-\\d{2}\\w*{2}[^>]"; 
String output = content.replaceAll(regex,"$0>");

這的確發現「< 2004：04：12」的所有實例結果是「< 2004：04：12>」。但是，我需要消除結束標記之前的空間。

不知道這是最好的方法。有什麼建議麼。

感謝

來源

2010-06-13 Brian

關於情況1，在標籤中應該包含'2004：04：12'日期之後還有什麼？標籤應該是「<2004：04：12 info here>」嗎？基本上，你怎麼知道標籤應該結束？（關於情況3的同樣的問題） – 2010-06-13 23:08:37

可能會出現這樣的情況，日期後跟一個字母字符，例如「<2004：04：12some text」。在這種情況下，結果應該是「<2004:04:12>某些文字」。感謝您的觀察。 – Brian 2010-06-13 23:19:33

你怎麼知道什麼屬於一個名稱，什麼不是？ – Tomalak 2010-06-13 23:26:37

基本上，你正在尋找一個負先行，如：

String regex = "<\\d{4}-\\d{2}-\\d{2}(?!>)"; 
String output = content.replaceAll(regex,"$0>");

這將用數字「標籤」的幫助，但因爲沒有正則表達式，可以智能足夠匹配一個任意的名字，你必須定義非常接近這個名字可能看起來像什麼，或者處理這樣一個事實，即對於「名稱」標籤，相同的方法是不可能的。

來源

2010-06-13 23:30:22 Tomalak

謝謝，這解決了我的問題。 – Brian 2010-06-15 04:10:25

對於固定的日期，你可以匹配任何日期，以零個一個或兩個尖括號：

String regex = "(\\s?\\<?)(\\d{4}:\\d{2}:\\d{2})(\\>?\\s)"; 
String replace = " <$2> ";

要識別的名稱，我們假設部分姓名以大寫字母，唯一的分隔符開始是一個空間。我們在開始或結束處明確地匹配角度括號，名稱前後的前後字符只應該是空格或標點符號。

String regex = "(\\<[A-Z][a-zA-Z]*(\\s[A-Z][a-zA-Z])*)(?=[\\.!?:;\\s])"; 
String replace = "$1>"; 

String regex = "(?<=[\\.!?:;\\s])([A-Z][a-zA-Z]*(\\s[A-Z][a-zA-Z]*)*)"; 
String replace = "<$1";

來源

2010-06-14 00:04:50 mdma

這也解決了這個問題。乾杯。 – Brian 2010-06-15 04:11:00

需要使用正則表達式清理格式不正確的標籤

回答

相關問題