Java读取部分字符串答案

【问题标题】：Java read part of stringJava读取部分字符串
【发布时间】：2015-03-05 07:16:48
【问题描述】：

我有这段文字：

   <message id="dsds" to="test@test.com" type="video" from="test@test"><body>TESTTESTTEST</body><active xmlns="http://jabber.org"/></message>

我想在这个字符串中获取<body></body> 的部分。

在java中，我正在搜索并找到split，但它不能解决我的问题。如何在java中获取<body></body>之间的文本？

【问题讨论】：

你想解析 XML 吗？
你想要字符串的哪一部分？
@JamesFox 可能取决于。 :)
@詹姆斯福克斯；在我想得到。 @Patryk；不，它不是 xml，它是我的字符串数据。
看看：jsoup.org 这是一个 java html 解析器。

标签： java string javabeans

【解决方案1】：

最好使用 SAXParser 或 DocumentBuilder 之类的解析器。您可以准确地获取标签并处理数据。当您有许多标签要处理时，它们会特别方便。

下面是一个使用 Parser 读取 body 标签的例子：

        SAXParserFactory factory = SAXParserFactory.newInstance();
        SAXParser saxParser = factory.newSAXParser();
        DefaultHandler handler = new DefaultHandler(){

            String body = "";
            boolean isBody = false;

            @Override
            public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {

                if (qName.equalsIgnoreCase("body")) {
                    isBody = true;
                }
            }

            @Override
            public void characters(char[] ch, int start, int length) throws SAXException {
                if (isBody) {
                    body = new String(ch, start, length);
                    System.out.println("body : " + body);
                }
            }

            @Override
            public void endElement(String uri, String localName, String qName) throws SAXException {
                if (qName.equalsIgnoreCase("body")) {
                    isBody = false;
                }
            }
        };

        saxParser.parse(new InputSource(new StringReader("<message id=\"dsds\" to=\"test@test.com\" type=\"video\" from=\"test@test\"><body id=\"dd\">TESTTESTTEST</body><active xmlns=\"http://jabber.org\"/></message>")), handler);

【讨论】：

【解决方案2】：

像这样使用正则表达式：（适用于<body>asas asasa </body> 以及<body> </body>

public static void main(String[] args) {
    String s = "<message id=\"dsds\" to=\"test@test.com\" type=\"video\" from=\"test@test\"><body>TESTTESTTEST</body><active xmlns=\"http://jabber.org\"/></message>";
    Pattern p = Pattern.compile("<body.*>(.*?)</body>");
    Matcher m = p.matcher(s);
    while (m.find()) {
        System.out.println(m.group(1));
    }
}

O/P：

TESTTESTTEST

【讨论】：

你在回答之前看过答案了吗？与我的答案相同，但 9 分钟后！:)
@FarhangAmary - 您的回答是否适用于我提供的输入？像<body>asas asasa </body> 这样的输入。请检查。另外，我的 regex 是不同的。如果这有帮助，我看到了您的回答并同意与 Thilo。
好吧，你的正则表达式有问题......它包含奇数数量的引号。据我所知，如果正文标签包含空格（<body >）或属性，它也会失败。
@Tom - 已更正.. 是一个错字。谢谢.. :).. 你能给我一个可能失败的示例输入吗？。
@TheLostMind 检查我对最后一条评论的编辑：P。我已经注意到了:)。

【解决方案3】：

使用 regx 包：

    String htmlString = "<message id=\"dsds\" to=\"test@test.com\" type=\"video\" from=\"test@test\"><body>TESTTESTTEST</body><active xmlns=\"http://jabber.org\"/></message>";
    String bodyText="";
    Pattern p = Pattern.compile("<body.*>(.*?)</body.*>");
    Matcher m = p.matcher(htmlString);

    if (m.find()) {
        bodyText = m.group(1);
    }
    System.out.println(bodyText);

输出： TESTTESTTEST

【讨论】：

警告：如果 body 标签有任何属性（或其中只有空格），则不起作用。
@Thilo 然后她/他可以在模式中使用 (.*?) 而不是 (\\S+)

【解决方案4】：

在这种特定情况下，我建议您使用带有 Matcher 的正则表达式

可能的解决方案： Java regex to extract text between tags

【讨论】：

您应该在答案中包含链接的基本部分。如果链接无效，您的回答将毫无意义，应该避免这种情况。
该链接指向可能重复的问题/解决方案。我应该在我的答案中包含来自另一个 Stack Overflow 答案的“基本部分”吗？
要么，要么将此问题标记为您找到的问题的可能重复项（最后一种方法更好）。
好的，太好了。谢谢！

【解决方案5】：

你可以这样写代码-

String s = "<message id=\"dsds\" to=\"test@test.com\" type=\"video\" from=\"test@test\"><body>TESTTESTTEST</body><active xmlns=\"http://jabber.org\"/></message>";//Use '/' character as escape for "
        int firstIndex = s.indexOf("<body>");
        int lastIndex = s.indexOf("</body>");
        System.out.println(s.substring(firstIndex+6, lastIndex));

它会打印出预期的结果。

【讨论】：

【解决方案6】：

已经给出了通过正则表达式解决它的答案（尽管 XML 解析器可能是更好的选择）。

给出一个简单的建议来修改上述解决方案中提出的正则表达式：

Regex proposed: (<body.*>(.*?)</body.*>) => This regex is greedy. 
Non greed regex: <body[^>]*>(.*?)</body[^>]*>

你可以让它不贪婪，这将导致运行时间的改善。原始正则表达式的问题是 .* 将继续匹配到字符串的末尾，然后它会回溯。 “[^>]”一看到右尖括号就会停止。我进行了一个简单的测试，比较了这两个正则表达式。贪婪的人花费的时间是非贪婪者的 3 倍。

【讨论】：