扫描仪中的正则表达式仅找到第一个匹配项

Question

我有一个文本文件，其中包含我需要解析的一些文章。

我需要检索每篇文章中的每个单词，不包括句号、逗号等。文章由特定的两行分隔，我正在尝试使用正则表达式模式来查找这些点。

文档示例如下：

.I 1
.W
this is article one.         
.I 2
.W
this is article two.                   
.I 3
.W
this is article three. 

下面的代码似乎找到了第一次出现的.I 1 并添加了所有后续单词，但是一旦到达下一个分隔符，它会将其添加为单词而不是跳过它。

Scanner scanner = new Scanner(document);
scanner.useDelimiter("[^\\w']+");
String separator;
while (scanner.hasNext()){
    separator = scanner.findInLine(Pattern.compile(".I \\d"));
    if (separator!= null) {
        System.out.println("Found: " + separator);
        scanner.nextLine();
        scanner.nextLine();
    }
    list.add(scanner.next());
}
scanner.close();

如果可能的话，我还希望能够获取实际的文章编号，即附加到每个分隔符上的编号。

我的代码有什么问题？

Answer 1

问题在于，由于您告诉Scanner 使用除单词字符和刻度之外的所有内容作为分隔符，I 前面的点会被scanner.next() 消耗，每次它即将出现在您的@ 987654325@搜索。

您可以通过逐行读取输入而不是逐字读取来解决此问题，如下所示：

list.add(scanner.nextLine());

要获取文章编号，请从字符 3 开始解析分隔符：

int num = Integer.valueOf(separator.substring(3));

这是一个从标准输入读取的演示：

Scanner scanner = new Scanner(System.in);
scanner.useDelimiter("[^\\w']+");
String separator;
Pattern rx = Pattern.compile(".I \\d");
while (scanner.hasNext()){
    separator = scanner.findInLine(rx);
    if (separator!= null) {
        int num = Integer.valueOf(separator.substring(3));
        System.out.println("Found: " + separator+", article number: "+num);
        scanner.nextLine();
        scanner.nextLine();
    }
    System.out.println(scanner.nextLine());
}
scanner.close();

Demo.