Не удается найти только одно слово с использованием регулярных выражений

Question

Я пытаюсь «найти» очень специфичную серию символов в java, но мое регулярное выражение работает некорректно.

Я хочу найти слово (любое слово), затем пробел, затем перемотку вперед, затем другое пространство, затем «М» (нижний или верхний регистр), затем ряд цифр. Я использую следующую строку:

Elements rating = doc.getElementsMatchingText(Pattern.compile("\\b\\s/\\s[mM][0-9]+")); 

Но это поиск целых строк (слов до и после намеченного шаблона). Это также не помогает:

Elements rating = doc.getElementsMatchingText(Pattern.compile("^\\b\\s/\\s[mM][0-9]+"));  

Что я делаю неправильно?

Answer 1

О регулярных выражений, попробуйте:.

* \ [Mm] [1-9] *

Я использовал http://rubular.com/, чтобы проверить мое регулярное выражение, так что вы можете сделать свой эксперимент.

Bye

Answer 2

Правильный шаблон для Вашего случая является \\b\\w+\\s/\\s[mM][0-9]+.

Однако проблема, которую вы описываете, связана с используемым вами API, а не с шаблоном. Обратите внимание, что getElementsMatchingText не позволяет вам получить доступ к данным соответствия, поэтому вы не можете извлечь часть текста, которая соответствует шаблону.

Вы должны перебрать все элементы doc вручную и применить Matcher.find() к тексту каждого элемента, или просто применить Matcher.find() с той же схемой снова к тексту элементов, возвращаемых getElementsMatchingText. Затем вы сможете извлечь согласованную часть как Matcher.group().

Answer 3

Ваше регулярное выражение имеет недостатки. Я хотел бы предложить

\w+/[Mm]\d+ 

(помните, чтобы избежать соответствующим образом, когда вы положили в строке Java)

Несколько вещей о своем регулярном выражении:

1) Вы не имеете ничего о себе Сопрягайте «word (any word)» (!!!) Я выбрал \ w + для соответствия словам только с хотя бы одним символом слова. Вы можете сделать что-то вроде \ w {2,10}, чтобы делать слова между 2 и 10 символами, например, если вы хотите продолжить настройку.

2) Вам не нужно \ б на всех, так как \ ш * совпадает только соответствует допустимые символы слов

3) иметь в виду, \ х может соответствовать больше, чем просто пространство .. Я использую только пространство, но вы можете поместить его в \ s, если у вас все в порядке с соответствующей вкладкой, новой строкой (если она настроена таким образом) и т. д.

4) Я думаю, что \ d более идиоматично и читаемо, чем [0-9]