在字符串中找到特定标记的最佳方法是什么？

Question

我有一个带有标记的字符串，需要使用Java。

例如。

string = abc<B>def</B>ghi<B>j</B>kl 

desired output.. 

segment [n] = start, end 

segment [1] = 4, 6 
segment [2] = 10, 10 

Answer 1

正则表达式应该为此工作出色。

请参阅您的JavaDoc

• java.langString.split（）
• java.util.regex包
• java.util.Scanner的

注：StringTokenizer的不你想要什么，因为它分裂字符，而不是字符串 - 字符串delim是一个字符的列表，其中任何一个将分裂。对于非常简单的情况（如明确的逗号分隔列表）非常有用。

Answer 2

当您想要通过特定字符串分隔字符串时，StringTokenizer会为您提供单独的标记。 或者您也可以使用String中的split（）方法来获取单独的字符串。为了获得不同的数组，你必须将正则表达式放入。

Answer 3

StringTokenizer将整个字符串作为参数，对于大字符串并不是一个好主意。 您还可以使用StreamTokenizer

您还需要查看Scanner。

Answer 4

鉴于你的例子，我想我会使用正则表达式，特别是我会看看Matcher提供的分组功能。

汤姆

String inputString = "abc<B>def</B>ghi<B>j</B>kl"; 

String stringPattern = "(<B>)([a-zA-Z]+)(<\\/B>)"; 

Pattern pattern = Pattern.compile(stringPattern); 
Matcher matcher = pattern.matcher(inputString); 

if (matcher.matches()) { 

    String firstGroup = matcher.group(1); 
    String secondGroup = matcher.group(2); 
    String thirdGroup = matcher.group(3); 
} 

Answer 5

这是一个有点“蛮力”，并做了一些假设，但这个工程。

public class SegmentFinder 
{ 

    public static void main(String[] args) 
    { 
     String string = "abc<B>def</B>ghi<B>j</B>kl"; 
     String startRegExp = "<B>"; 
     String endRegExp = "</B>"; 
     int segmentCounter = 0; 
     int currentPos = 0; 
     String[] array = string.split(startRegExp); 
     for (int i = 0; i < array.length; i++) 
     {   
      if (i > 0) // Ignore the first one 
      { 
       segmentCounter++; 
       //this assumes that every start will have exactly one end 
       String[] array2 = array[i].split(endRegExp); 
       int elementLenght = array2[0].length(); 
       System.out.println("segment["+segmentCounter +"] = "+ (currentPos+1) +","+ (currentPos+elementLenght)); 
       for(String s : array2) 
       { 
        currentPos += s.length(); 
       } 
      } 
      else 
      { 
       currentPos += array[i].length();     
      } 
     } 
    } 
} 

Answer 6

您的输入看起来像您的示例，您需要获取特定标记之间的文本吗？然后使用apache commons lang包（http://commons.apache.org/lang/）执行简单的StringUtils.substringsBetween（yourString，“< B>”，“</B>”）。

如果您正在寻找一种更通用的解决方案，对于不同的或可能嵌套的标签，您可能需要查看采用html输入并创建xml文档的解析器，例如NekoHTML，TagSoup，jTidy 。然后，您可以在xml文档上使用XPath来访问内容。