Question

希望为以下条件找到合适的正则表达式：

我需要清除自由流动文本中的某些标签。例如，在文本中我有两个重要的标记：<2004:04:12>和<name of person>。不幸的是，有些标签缺少“＆lt;”或“＆gt;”分隔符。

例如，有些如下：

1) <2004:04:12 , I need this to be <2004:04:12>
2) 2004:04:12>, I need this to be <2004:04:12>
3) <John Doe , I need this to be <John Doe>

我尝试在情况1中使用以下内容：

String regex = "<\\d{4}-\\d{2}-\\d{2}\\w*{2}[^>]";
String output = content.replaceAll(regex,"$0>");

这确实找到了“＆lt; 2004：04：12”的所有实例，结果是“＆lt; 2004：04：12＆gt;”。但是，我需要消除结束标记之前的空格。

不确定这是最好的方法。任何建议。

由于

Answer 1

基本上，你正在寻找负面的预测，如下所示：

String regex = "<\\d{4}-\\d{2}-\\d{2}(?!>)";
String output = content.replaceAll(regex,"$0>");

这将有助于数字“标签”，但由于没有正则表达式可以足够智能匹配任意名称，您必须严格定义非常名称的外观，或处理事实上，“名称”标签不可能采用相同的方法。

Answer 2

为了修复日期，您可以匹配任何日期，零个一个或两个有角度的括号：

String regex = "(\\s?\\<?)(\\d{4}:\\d{2}:\\d{2})(\\>?\\s)";
String replace = " <$2> ";

要识别名称，我们假设名称的一部分以大写字母开头，唯一的分隔符是空格。我们在开头或结尾明确匹配有角度的括号，名称之前/之后的前一个/后一个字符应该只是一个空格或标点符号。

String regex = "(\\<[A-Z][a-zA-Z]*(\\s[A-Z][a-zA-Z])*)(?=[\\.!?:;\\s])";
String replace = "$1>";

String regex = "(?<=[\\.!?:;\\s])([A-Z][a-zA-Z]*(\\s[A-Z][a-zA-Z]*)*)";
String replace = "<$1";

需要使用正则表达式清除格式错误的标签

2 个答案: