Java中的RegEx：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 网站说明。

www.foo.com/Archives/pigs.txt
Pig 网站的说明。

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

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

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。这个表达正确吗？我尝试将“\s”替换为“\n”，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\r\n 分隔。 \r（回车）和\n（换行）都被认为是Java 正则表达式中的行分隔符，而. 元字符与它们中的任何一个都不匹配。 \s 将匹配这些字符，因此它使用 \r，但留下 .* 以匹配 \n，这会失败。您的测试人员可能只使用了\n 来分隔行，而这些行已被\s 使用。

如果我是对的，将\s 更改为\s+ 或[\r\n]+ 应该可以让它工作。在这种情况下，这可能就是您需要做的所有事情，但有时您必须完全匹配一个行分隔符，或者至少跟踪您匹配的行分隔符。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：\r\n（Windows/DOS）、\n（Unix/Linus/OSX）和\r（旧版 Mac）。这些都可以：

\r\n|[\r\n]

\r\n|\n|\r

---

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\r\n，还包括Unicode standard 定义的其他几个。相当于这样：

\r\n|[\n\x0B\x0C\r\u0085\u2028\u2029]

以下是您可以使用的方法：

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

i 选项使其不区分大小写，m 将其置于多行模式，允许^ 和$ 匹配行边界。

Answer 2

为了将来参考，也可以使用 Pattern.DOTALL 标志来表示“。”甚至匹配 \r 或 \n。

例子：

假设我们正在解析这样的单个 http 标头行字符串（每行以 \r\n 结尾）

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。

“。”在上述模式中将匹配 \r 和 \n，因此上述模式实际上可以从 http 标头行中解析“位置”，其中可能在目标行之前或之后有其他标头（并不是说这是推荐的方法解析http头）。

另外，你可以在模式中使用“?s”来达到同样的效果。

如果你这样做，你最好使用 Matcher.find()。

Answer 3

试试这个

([^\r]+\r[^\r])+

Answer 4

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

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

以上示例适用于 tabSpaces、newLines 和普通空格。 我已经使用了java.lang.String 的修剪方法来删除'str'中的所有额外空格。我希望这对你和这里的其他优秀的人有所帮助。

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\n"
             + "Description of Monkey's website.\n"
             + "\n"
             + "www.foo.com/Archives/pigs.txt\n"
             + "Description of Pig's website.\n"
             + "\n"
             + "www.foo.com/Archives/kitty.txt\n"
             + "Description of Kitty's website.\n"
             + "\n"
             + "www.foo.com/Archives/apple.htm\n"
             + "Description of Apple's website.\n";
    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

此版本匹配可能是 Windows (\r\n) 或 Unix (\n) 的换行符

Pattern p = Pattern.compile("(www.*)((\r\n)|(\n))(.*Pig.*)");
String s = "www.foo.com/Archives/monkeys.htm\n"
           + "Description of Monkey's website.\n"
           + "\r\n"
           + "www.foo.com/Archives/pigs.txt\r\n"
           + "Description of Pig's website.\n"
           + "\n"
           + "www.foo.com/Archives/kitty.txt\n"
           + "Description of Kitty's website.\n"
           + "\n"
           + "www.foo.com/Archives/apple.htm\n"
           + "Description of Apple's website.\n";
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");