从“混乱”的 Java 字符串中提取多种数据类型

Question

我需要从文本文件中分别提取名称、年份和评级作为字符串、整数和浮点数。然后我用我提取的数据实例化一个对象列表。我已经缓冲了一个看起来像这样的文本字符串。

!Women Art Revolution (2010) |   3 stars, 1hr 22m

然后我将这个字符串在“|”处分成两部分字符。

String[] splitStr  = line.split("|");
                part1 = splitStr[0];
                part2 = splitStr[1];

我计划使用扫描仪将 part1 中的所有 Int 收集到一个字符串中，然后抓取最后四个以供当年使用。我将使用类似的方法进行评级。我的问题是获取名称字符串。 Scanner.next 似乎没有从标题名称中获取像 !、数字和 () 这样的符号。全文文件中的标题名称不是任何看起来容易解析的特定格式。如何为标题创建一个字符串以在构造函数中使用？

masterList.add(new Movie(name, year, rating));

另外，来自一些较大列表的示例（总共 10k 左右项）：

3-Day Weekend (2008) |   2.9 stars, 1hr 23m
3:15 (U.S) (1986) |   2.9 stars, 53m
Real (2011) |   3.7 stars, 1hr 34m
Real: The Movie (2005) |   3.3 stars, 1hr 31m

等等

Answer 1

为什么不使用正则表达式？

例如，正则表达式 ^!(.*) \((\d*)\) *\| *([\d.]*) *stars,.*$ 将分别为您提供捕获组 1、2 和 3 中的名称、年份和评级。

---

更新：额外参考

1. Java本身支持的regex（正则表达式）的语法可以参考enter link description here
2. 您可以找到 Java 中 Regex 的介绍性 tutorial

这里是正则表达式本身的解释，分解成小块：

• ^：从
开始
• !：感叹号
• (: 捕获组 1 开始
• .*: 任意字符的任意出现次数
• ): 捕获组 1 结束
• \(：左括号
• (:2 组捕获开始
• \d*: 任意出现的数字
• ): 捕获组 2 结束
• \)：右括号
• *: 任意数量的空格
• \| ：管道字符
• *: 任意数量的空格
• ( : 捕获组 3 开始
• [\d.]*: 没有出现任何数字或点
• ): 捕获组 3 结束
• *: 任意数量的空格
• stars, ：后跟字符串 stars,
• .*: 后面跟任意字符的出现次数不限
• $: 直到字符串结束

示例代码：

String input = "!Women Art Revolution (2010) |   3 stars, 1hr 22m";

// mind the extra escaping of \ char because of Java string literal escaping
Pattern p = Pattern.compile("^!(.*) \\((\\d*)\\) *\\| *([\\d.]*) *stars,.*$");  
Matcher m = p.matcher(input);
System.out.println("matches? " + m.matches());
System.out.println("name: " + m.group(1));
System.out.println("name: " + m.group(2));
System.out.println("name: " + m.group(3));

它应该给你

matches? true
name: Women Art Revolution
name: 2010
name: 3