Java 中的正则表达式：如何处理换行符

Question

我目前正在尝试学习如何使用正则表达式，所以请耐心等待我的简单问题。例如，假设我有一个输入文件，其中包含一堆由换行符分隔的链接：

www.foo.com/Archives/monkeys.htm
Monkey网站的描述。

www.foo.com/Archives/pigs.txt
猪的网站的描述。

www.foo.com/Archives/kitty.txt
Kitty 网站的描述。

www.foo.com/Archives/apple.htm
Apple 网站的说明。

如果我想获得一个网站及其描述，这个正则表达式似乎适用于测试工具：.*www.*\\s.*Pig.*

但是，当我尝试在我的代码中运行它时，它似乎不起作用。这个表达是否正确？我尝试用“\n”替换“\s”，但它似乎仍然无法正常工作。

Answer 1

在您的文件中，这些行可能由 分隔。 （回车）和 （换行）在 Java 正则表达式中被视为换行符，. 元字符与它们中的任何一个都不匹配。 s 将匹配这些字符，因此它会消耗 ，但会留下 .* 来匹配 ，但失败了。您的测试人员可能只使用 来分隔行，s 消耗了这些行。

如果我是对的，将 s 更改为 s+ 或 [ ]+ 应该可以正常工作。在这种情况下，这可能就是您需要做的所有事情，但有时您必须准确匹配一个行分隔符，或者至少跟踪您匹配的行数。在这种情况下，您需要一个与三种最常见的行分隔符类型中的任何一种完全匹配的正则表达式： （Windows/DOS）、 （Unix/Linus/OSX）和 （旧版 Mac）。这些中的任何一个都可以：

|[
]


|
|

---

更新：从 Java 8 开始，我们有另一个选择，R。它匹配任何行分隔符，不仅包括 ，还包括Unicode standard定义的其他几个。它等同于：

|[

u0085u2028u2029]

以下是您可能如何使用它：

(?im)^.*www.*R.*Pig.*$

i 选项使其不区分大小写，m 使其处于多行模式，允许^ 和$ 在行边界匹配。

Answer 2

为了将来参考，也可以使用 Pattern.DOTALL 标志作为“.”。甚至匹配 或者 .

例子：

假设我们正在像这样解析一串 http 标头行（每行以 )

HTTP/1.1 302 Found
Server: Apache-Coyote/1.1
Cache-Control: no-cache, no-store, max-age=0, must-revalidate
Pragma: no-cache
Expires: 0
X-Frame-Options: SAMEORIGIN
Location: http://localhost:8080/blah.htm
Content-Length: 0

这种模式：

final static Pattern PATTERN_LOCATION = Pattern.compile(".*?Location\: (.*?)\r.*?", Pattern.DOTALL);

可以使用“matcher.group(1)”解析位置值。

这 ”。”在上面的模式中将匹配 和 ，因此上述模式实际上可以从 http 标头行解析“位置”，目标行之前或之后可能还有其他标头（这并不是解析 http 标头的推荐方法）。

此外，您可以在模式中使用“?s”来达到相同的效果。

如果您这样做，您最好使用 Matcher.find()。

Answer 3

String str="I am  a   "+"
  Man    of  Peace"+"	"+"   .";

str=str.replaceAll("[\s|\t|\r\n]+"," ").trim();
System.out.println(str);

上面的示例适用于 tabSpaces、newLines 和普通空格。 并且我使用了java.lang.String 的 trim 方法来删​​除'str'中的所有额外空格。我希望这对您和这里其他了不起的人有所帮助。

Answer 4

尝试这个

([^
]+
[^
])+

Answer 5

为我工作：

import java.util.regex.Pattern;
import java.util.regex.Matcher;
public class Foo {
  public static void main(String args[]) {
    Pattern p = Pattern.compile(".*www.*\s.*Pig.*");
    String s = "www.foo.com/Archives/monkeys.htm
"
             + "Description of Monkey's website.
"
             + "
"
             + "www.foo.com/Archives/pigs.txt
"
             + "Description of Pig's website.
"
             + "
"
             + "www.foo.com/Archives/kitty.txt
"
             + "Description of Kitty's website.
"
             + "
"
             + "www.foo.com/Archives/apple.htm
"
             + "Description of Apple's website.
";
    Matcher m = p.matcher(s);
    if (m.find()) {
      System.out.println(m.group());
    } else {
      System.out.println("ERR: no match");
    }
  }
}

也许问题出在您使用 Pattern 和 Matcher 对象的方式上？

Answer 6

此版本匹配的换行符可能是 Windows ( ) 或 Unix ( )

Pattern p = Pattern.compile("(www.*)((
)|(
))(.*Pig.*)");
String s = "www.foo.com/Archives/monkeys.htm
"
           + "Description of Monkey's website.
"
           + "
"
           + "www.foo.com/Archives/pigs.txt
"
           + "Description of Pig's website.
"
           + "
"
           + "www.foo.com/Archives/kitty.txt
"
           + "Description of Kitty's website.
"
           + "
"
           + "www.foo.com/Archives/apple.htm
"
           + "Description of Apple's website.
";
Matcher m = p.matcher(s);
if (m.find()) {
  System.out.println("found: "+m.group());
  System.out.println("website: "+m.group(1));
  System.out.println("description: "+m.group(5));
}
System.out.println("done");