在Java中将文本文件表示为单个单元，并在文本中匹配字符串

Question

如何将文本文件（或XML文件）表示为整个字符串，并在其中搜索（或匹配）特定的字符串？

我已经创建了一个BufferedReader对象：

BufferedReader input = new BufferedReader(new FileReader(aFile)); 

，然后我曾尝试使用扫描仪类的选项来指定不同的分隔符，就像这样：

//Scanner scantext = new Scanner(input); 
//Scanner scantext = new Scanner(input).useDelimiter(""); 
Scanner scantext = new Scanner(input).useDelimiter("\n"); 
while (scantext.hasNext()) { ... } 

使用扫描仪类像这样，我可以逐行阅读文本，也可以逐字阅读文本，但它不能帮助我，因为有时在文本中我想要处理的文本中，我有

</review><review> 

我想说的是，如果您在文本中的任何位置找到“<review>”，请在下面的几行（或一段文字）内找到“</review>”。问题是<review>和</review>在文本中的不同位置，有时粘在其他文本（因此作为分隔符的空白空间不能帮助我）。

我以为我可能会在Java（模式和匹配器类）中使用正则表达式API，但它们似乎匹配特定的字符串或行，并且我希望文本作为一个连续的字符串（至少这是我读过的关于他们的印象）。你能告诉我在这种情况下我应该使用什么结构/方法/类？谢谢。

Answer 1

不要试图用正则表达式解析XML;它只会导致疼痛。已经有很多 非常好的 existingXMLAPIs已经在Java中;为什么要重塑他们？

反正来搜索文本文件中的字符串，你应该：

1. 加载的文件作为字符串（example）
2. 创建Pattern搜索
3. 使用Matcher到遍历任何匹配

Answer 2

它看起来像我正在尝试使用结构化的XML文件，并建议你看看javax.xml.parsers.DocumentBuilder或其他内置的APIs来解析文档。

Answer 3

使用XML解析器。

或者使用xpath，像这样的example。

Answer 4

我以为我可能会使用在Java中（的模式和Matcher类）的正则表达式API，但他们似乎以匹配特定的字符串或行，我想有文本作为一个连续字符串

嗯，是否阻止您将XML文件读入字符串，然后使用正则表达式API进行操作？

你可以很容易地读取文件到一个字符串使用例如来自Apache Commons IO的FileUtils：见readFileToString(File file, String encoding)。

Answer 5

我也建议使用XML解析API ......但是当你只想做一些“审核”标签的情况下，也许你可以使用SAX比DOM更好...

Answer 6

我觉得这里我们可以在文本文件中复制单个行成一个字符串，然后试图将一个字符串（搜索字符串）与字符串（行）匹配

不过，虽然excuting像元字符/或错误产生＃等。