我正在从一个.config文件中读取文本，然后我有一个长字符串，在这里我需要提取一个与下面给定的模式相匹配的文本。.config文件定义了两个函数(input and filter)
这是从.config文件中提取的文本
input {
name: "abc",
age: "20"
}
filter {
name: "pqr",
age: "25"
}
我只需要提取过滤器函数中的文本，包括过滤器文本本身。
预期输出
filter {
name: "pqr",
age: "25
浏览 0提问于2019-04-26得票数 0
回答已采纳
仅当前一行与不同列表中的项目匹配时，我才需要提取字符串中某些关键字之间的文本。
我有一个损坏的xml文件，我将其作为字符串读取(这是我必须这样做的唯一方法)，然后使用regex分隔这些项，到目前为止，它工作得很好。现在，在列表中的每个项目中，我都有多个前面有<abc>GH1234</abc>标记的<xyz>foo</xyz>标记，我希望只有当GH1234与列表栏中的某个项目匹配时，才能从中提取foo。
matches = re.findall(r'<abc>(.*)<\/abc>', text)
我希望输出
浏览 1提问于2019-08-18得票数 0
我正在尝试提取MS word文档(link)中特定部分的文本-示例如下。基本上，我需要将带有标记-- ASN1START和-- ASN1STOP的所有文本写到一个文件中，上面提到的标记除外。 示例文本 -- ASN1START
CounterCheck ::= SEQUENCE {
rrc-TransactionIdentifier RRC-TransactionIdentifier,
criticalExtensions CHOICE {
c1
浏览 13提问于2020-01-15得票数 1
回答已采纳
我需要使用RegEx提取HTML标记的内容。我搜索的文本正文如下所示：
<div class="content">
The Price is <script type="text/javascript">document.write(123())</script>
</div>
我试着使用这个表达式，但是失败了。我需要提取"document.write(123())“
(?s)<div class="content">[^<]*<script type=
浏览 2提问于2013-03-06得票数 2
回答已采纳
2回答
从网页中提取数据
、、、
我正在做一个需要从网页中提取数据的学校项目。准确地说，我需要一个库或开源程序来从html/文本数据中提取人类可读的内容。类似于web浏览器呈现的文本内容。
我知道用正则表达式解析html是从其中提取文本的最糟糕的方法。
额外信息：
我需要它来计算文本文档之间的相似度。
任何帮助都将不胜感激。谢谢
浏览 2提问于2011-04-19得票数 0
我正在使用standford core NLP。我已经尝试了下面的例子。这个例子可以对文本中的单词进行标记化。然而，它也提取标点符号，如逗号，句号等。我想知道如何设置属性，允许不提取标点符号，或者是否有任何其他方法来做同样的事情。以下是代码示例。我知道使用Python很容易，但不确定如何在Java中实现它。请提个建议。
props = new Properties();
props.setProperty("annotators", "tokenize, ssplit");
pipeline = new StanfordCoreNLP(p
浏览 4提问于2015-03-15得票数 4
3回答
什么是只提取下面第二行的适当的Perl或Java regex？它应该找到包含class=“匹配此”属性的div标记。
<div>Do not match this</div>
<div class="matchthis">MATCH THIS</div>
<div class="unimportant">Do not match this</div>
请不要告诉我使用DOM/Soup/等等。我想知道原始regex是否能解决上面简单的问题(答案将被授予！)是的，我知道，所以不要提它。
浏览 7提问于2011-06-10得票数 1
回答已采纳
在我的JavaScript函数中，我将下面的超文本标记语言作为字符串：
<p>one</p> <p align='center'>two</p>
我想提取这个字符串：
"onetwo" (显然没有引号)
你能推荐一些纯粹的JavaScript代码吗(jQuery也可以...)来获取标签的内容？
浏览 8提问于2011-02-28得票数 2
回答已采纳
5回答
我有下面的文本( Python 2.6的代码)：
txt="foo<br><br><b>bar :</b><br>foo<br><b>bar :</b>"
然后，我尝试提取任何标签(本例中的标签)的内容：
r=re.compile("<%s.*?>(.+?)</%s>" % ("b","b"), re.I|re.S)
这在很大程度上是有效的，但输出结果并不是我对棘手的文本所期望的：
>>>re.
浏览 1提问于2012-04-24得票数 1
回答已采纳
2回答
我有以下HTML..。
<h3 class="number">
<span class="navigation">
6:55 <a href="/results/result.html" class="under"><b>»</b></a>
</span>**This is the text I need to parse!**</h3>
我可以使用下面的代码从h3标记中提取文本。
Element h3 = doc.
浏览 4提问于2013-08-19得票数 0
回答已采纳
2回答
我最近偶然看到了。我已经从中获得了SGML格式的语料库。这是这个语料库的文件：
我只想提取文件中的文本。文档中语料库的编码和标记信息是：
文本被编码为两字节Unicode文本.有关Unicode的更多信息。文本在SGML中使用1级CES兼容的标记进行标记.每个文件还包括一个完整的标题，它指定文本的出处。
我很难脱下这些标签。我试过用“正则表达式”和“漂亮的汤”，但它不起作用。这是示例文本文件。我想保留的语言是旁遮普语。
浏览 0提问于2016-11-10得票数 0
回答已采纳
我们需要在斯坦福大学的命名实体提取表/模型中添加术语，但无法确定如何添加。用例-我们需要随着时间的推移建立一组IED术语，并希望在文本文件中找到术语时，通过斯坦福管道提取这些术语。
看看这是不是有人以前做过的事情
浏览 1提问于2015-06-12得票数 1
1回答
我已经编写了一小段代码来从rss页面检索新闻。代码如下：
this.loadRecentNews = function loadRecentNews() {
$.get("http://rss.nytimes.com/services/xml/rss/nyt/GlobalHome.xml", function (data) {
$(data).find("item").each(function () {
var el = $(this);
浏览 2提问于2013-04-18得票数 0
我有一个文本文件，其中一行包含数据，我想从文本文件中提取单词。
我想提取的单词是："id“和"token”
使用Java，我可以读取该文件：
import java.io.File;
import java.io.IOException;
import org.apache.commons.io.FileUtils;
public class ReadStringFromFile
{
public static void main(String[] args) throws IOException
{
File file = new File
浏览 2提问于2015-11-25得票数 0
有没有办法在html页面中提取锚标签周围的文本？我在java中工作，我的研究需要我提取标签内和标签周围的数据。我试过搜索，我找到的只是正则表达式，它只提取锚文本，而不是它周围的单词。
浏览 1提问于2014-03-17得票数 1
问题如下:我有一个Javadoc生成的HTML文件，其中包含Java类名和一些附加信息，如下所示：
{@link ml.foo.bar.BazAccEd} (Text) Some text
{@link ml.foo.bar.BazAccGrp} (Text) Some text BazAccGrpList
{@link ml.foo.bar.BazAccEdOrGroup} (Text) Some text {@link.ml.foo.bar.BazAccEdList}
我只需要从其中提取(使用Ant regex功能) Java类的短名称，并且仅当它们是链接的一部分时才提取，在原始普通文本的
浏览 3提问于2012-05-09得票数 1
回答已采纳
3回答
我希望在一系列后缀之后提取文本(目前使用Java构建在Regex中)。我正在使用查找技术，但是我得到的结果似乎总是最长的结果，而不是第一个替换组匹配前缀文本的结果。
那是,
(?<=Book name|Book).*
给定文本"Book name Story"
无论regex交替是哪种方式，匹配始终是"name Story"。我在这里的问题是，在不匹配任何其他文本的情况下，获得"Story"文本的最佳方法是什么？在实践中，我也希望通过放眼来限制右手边(以防万一)。
浏览 6提问于2014-08-05得票数 1
回答已采纳
2回答
我必须使用bash (仅)从下面输入的html文本中提取几个字段。
HTML输入
<a href="/something/somemorething/page?id=1234425">SOMETEXT</a>
我从上述输入中提取id值和SOMETEXT。
我希望grep使用一些regex应该锻炼。对于id_value，我使用以下正则表达式
"id=[0-9]*"
这给了我正确的结果。
grep -o 'id=[0-9]*' index.html | head -n 5
但是，我不确定在下一个</a>之前应该使用
浏览 4提问于2015-08-05得票数 2
回答已采纳
嗨，我正在使用这个正则表达式来获取测试中的文本
<div id = "test">text</div>
$regex = "#\<div id=\"test\"\>(.+?)\<\/div\>#s";
但是，如果情况发生变化，例如。
<div class="testing" style="color:red" .... more attributes and id="test">text</div>
或
<div cla
浏览 1提问于2012-08-01得票数 0
使用java/htmlunit，我想要挖掘(网络抓取)一堆对冲基金SEC 13F文件。我不知道如何从证券交易委员会的等.txt文件中提取数据。表布局看起来很整洁和结构化，但是如何获取具有相应< S >和< C >的< Table >呢？此外，如何才能仅获取公司名称和Amt值(在第3列)和< C >股票金额(在第4列)。
不确定我是否在正确的轨道上，但是我使用了Bufferedreader，不确定下一步做什么来获取< Table >中的数据……这是我到目前为止所知道的：
import java.io.BufferedReader;
im
浏览 1提问于2012-06-07得票数 0
5回答
我很难在“alt”标签中的引号之间找到文本。我一直在尝试正则表达式，如!?border="0“跳过它，但仍然不能工作。
我尝试过\s(border="0")\s(alt=").*?"，但是它在“边界”标签上突出显示
下面是我试图从regex中提取的文本
<img src="http://www.ebgames.com.au/0141/169/5.png"alt="Far Cry 3" title=" Far Cry 3 " class="photo"/> &
浏览 5提问于2017-05-18得票数 0
回答已采纳
试图从文件中提取一些字符串。以下是文件中文本的简化示例：
<modelName>thing1</modelName><gtin>123456789</gtin><description>blah blah blah</description>
<modelName>thing2</modelName><gtin>789456123</gtin><description>blah blah blah</description>
<modelName
浏览 0提问于2018-01-25得票数 1
回答已采纳
2回答
我必须遵循文本格式，我想提取内容使用模板。
值{ABC，XYZ.}x消息{这是测试消息}
当我遇到上面的字符串时，我想提取'Value‘和'Message’的内容，而不需要解析Java中的整个字符串。
用正则表达式可以吗？
浏览 5提问于2012-09-28得票数 0
回答已采纳
3回答
我想提取指定的开始和结束标记之间的所有文本，包括标记。例如：
Input : I am <NAME>Kai</NAME>
Text Extracted: <NAME>Kai</NAME>
它根据标签提取文本。
以上内容的正则表达式是什么？
浏览 0提问于2011-02-10得票数 0
回答已采纳
3回答
无法解决正则表达式问题
、、、
我试图提取title元素中的文本，而忽略其他所有内容。
我看过这些文章，但它们似乎没有帮助:\
主要的问题是，当我试图修改自己的代码时，我不能理解响应者在说什么。
这是我通过阅读中的Java API而得到的结果。
<title>(.*?)</title>
下面是我返回标题的代码。
String title = null;
Matcher match = Pattern.compile("[<title>](.*?)[</title>]").matcher(this.webPage);
try{
title = mat
浏览 0提问于2013-02-28得票数 1
回答已采纳
2回答
我试图提取特定标记和属性之间的文本。现在，我试着提取标签。我正在读取一个".gexf“文件，其中包含XML数据。然后将这些数据保存为字符串。然后，我试图在“节点”标记之间提取文本。到目前为止，我的代码如下：
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Main {
private static St
浏览 0提问于2018-05-05得票数 0
回答已采纳
我需要从web pages.So的HTML代码中删除所有的Java Script标签和中间的内容和样式标签，我想出了这个表达式：
"(<[ \r\n\t]*script([ \r\n\t>]|>){1,}([ \r\n\t]|.)*?</[ \r\n\t]*script[ \r\n\t]*>)|(<[ \r\n\t]*noscript([ \r\n\t>]|>){1,}([ \r\n\t]|.)*?</[ \r\n\t]*noscript[ \r\n\t]*>)|(<[ \r\n\t]*style([ \r\n\t>
浏览 1提问于2010-06-15得票数 1
2回答
我以以下格式在雪花字段中接收文本数据：
电话号码99999999999标记为: XXXXXXXXX
电话号码99999999999是: XXXXXXXXX。
也就是说，“是”和“by”之间的词可以是标记的，也可以是不加标记的。
如何提取“是”和“by”之间的单词？
浏览 9提问于2022-06-10得票数 -2
回答已采纳
2回答
我对Java不是很有信心，所以我需要一些帮助来从string.string中提取多个子字符串，如下所示。
我有一个文本文件，其中可能有数千行类似的带POS标记的行，我需要从中提取原始文本。我尝试使用记号赋予器，但没有真正得到我想要的结果。我尝试使用模式匹配器，但使用正则表达式遇到问题。
String="I_PRP recently_RB purchased_VBD this_DT camera_NN";
我想买一台我最近买的这台相机的output=。
我使用
正则表达式：[\/](.*?)\s\b
但这不是working.Please帮助我。
浏览 2提问于2013-02-09得票数 1
如何检测文本中是否存在某个图像html标记，并仅提取图像的url？
例如：
提取这个网址：
http://
www.someurl.com/somefileprocessor.php/12345/somedir/somesubdir/someniceimage.j
pg
从这个标签(这个标记可以在另一堆文本和/或html中)
<img title="Some nice title" border="0"
hspace="0" alt="some useful hint" src="http://
www.someur
浏览 6提问于2013-08-26得票数 0
回答已采纳
4回答
如何使用模式匹配或其他方法从"("和")"中提取字符串。例如，如果文本是
“你好(Java)”
那么如何只获得"Java"
浏览 4提问于2014-06-17得票数 39
回答已采纳
Sample.txt中的标记：
<ServiceRQ>want everything between...</ServiceRQ>
<ServiceRQ xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance>want everything between</ServiceRQ> ..
有人能帮我拿一下大梁吗？若要从文本文件中提取预期输出，请执行以下操作。我想要创建一个正则表达式来查找上面的标记。这就是已经尝试过的re.search(r"<(.*?)RQ(.*?)>(.
浏览 5提问于2022-07-24得票数 0
回答已采纳
1回答
如果我有下面的字符串，我如何用java提取编辑器的前言文本？谢谢。
<div class='chapter'><a href='page.php?page=1&filename=SomeFile&chapter=EDITORS PREFACE'>EDITORS PREFACE</a></div>
浏览 1提问于2010-07-27得票数 1
我一直在找办法提取电子邮件地址，电话号码，.来自使用斯坦福大学CoreNLP (RegexNERAnnotator)的文本。有谁能举个例子吗？
更新:04/11/2015:实际上，我应该问斯坦福RegexNERAnnotator是否有一种方式可以支持Java正则表达式。
示例用法：
final String EMAIL_PATTERN =
"^[_A-Za-z0-9-\\+]+(\\.[_A-Za-z0-9-]+)*@"
+ "[A-Za-z0-9-]+(\\.[A-Za-z0-9]+)*(\\.[A-Za
浏览 2提问于2015-11-03得票数 0
回答已采纳
1回答
我需要解析通过将word文档另存为html而生成的html文档。
我已经非常成功地使用了HTML敏捷包，但在这个例子中，我认为使用正则表达式来处理这一部分可能会更容易(意见？)
Word在将其中一个脚注转换为html时会生成以下代码
<a href="#_ftn2" name="_ftnref2" title=""><span
class=MsoFootnoteReference><span class=MsoFootnoteReference><span
style='font-size:10.
浏览 0提问于2011-06-27得票数 0
回答已采纳
我将文本存储在中的string字段中。文本由空格组成，如行尾字符/新行。
在像paragraph.get('text')这样的HTML中显示这个文本时，新的行字符会被删除。
如何以HTML格式显示整个文本？
浏览 4提问于2015-12-27得票数 0
回答已采纳
3回答
我是网络爬行的初学者。我正在尝试爬行一个页面，例如，这个页面：
我需要提取搜索结果，例如: Amazon.com或antonline.com。有谁能帮我命名一些能帮助我实现这一目标的技术、工具和软件呢？
编辑:我必须使用Java.。
浏览 6提问于2012-09-29得票数 2
回答已采纳
2回答
假设我有一个包含如下xml数据的Java字符串：
String content = "<abc> Hello <mark> World </mark> </abc>";
现在，我试图将此字符串呈现为网页上的文本，并突出显示/标记单词"World“。标记"abc“可以动态更改，所以有没有办法使用Java重命名字符串中最外层的xml标记？
我想将上面的字符串转换为如下所示的格式：
String content = "<i> Hello <mark> World </mark>
浏览 12提问于2011-02-10得票数 1
回答已采纳
2回答
拉取两个标签之间的数据
、、、
我希望提取两个标签之间的信息，
<VirtualHost *:80>
ServerAlias ...
SiteName ...
...
</virtualHost>
是否可以在标记之间逐行提取数据，并将其保存在一个额外的文件或数组中？
浏览 0提问于2014-04-15得票数 0
3回答
目前，我正试图编写一个java程序，从plsql pkg文件中提取消息。
pkg的一般信息格式是，
01型；
Error_Msg.General_Message(pkg_name_,'INVALIDVALUE: The value 1,2 and 3 that you have entered is invalid.');
但在某些情况下，信息可以如下所示，
第02类：
Error_Msg.General_Message(pkg_name_,'INVALIDVALUE: The value :p you have entered is invalid.', So
浏览 3提问于2014-02-13得票数 0
回答已采纳
3回答
我应该以这种方式从文本结构中提取多语种内容：
一些意大利文本/it英语文本/en bla bla bla
其他文本其他意大利语/it其他英语文本/en bla bla bla
我将摘取所有不附在beetwen多语种方括号内的案文和附在beetwen当前语文方括号内的案文。
例如，如果当前语言为"en“，我将提取以下文本：
一些文本英语文本bla
其他英文文本
如何使用正则表达式正确提取文本？
浏览 4提问于2011-07-26得票数 1
回答已采纳
我有一个混合文本阿拉伯语，英语，数字和特殊字符。我如何才能提取阿拉伯文本只在java？
示例：
مرحبا كيفك i'm fine and you كله تمام . كم عمرك . my age is 18
所需输出：
مرحبا كيفك كله تمام كم عمرك
浏览 9提问于2017-07-19得票数 0
2回答
/[.#]\s*([^{\s]*)\s*{/将获取#或之间的文本。和{.我正在尝试提取# or之间的文本。和{以及{和}之间的文本。我相信它会类似于下面的表达。
var productText = '#id {} .class {}';
var m, r = /([.#]\s*([^{\s]*)\s*{)(([^{]*)}/)/g;
浏览 0提问于2014-02-13得票数 1
2回答
我从网页中提取了html源代码，想知道如何从该源中提取文本，如电子邮件地址。我正在考虑像这样使用jsoup
public static String html2text(String html) {
return Jsoup.parse(html).text();
}
但这也会给我带来很多不想要的文本。
浏览 1提问于2012-02-10得票数 0
回答已采纳
我需要一个正则表达式来提取分隔符中的文本，但是我在提取分隔符数据n和结束数据中的值时遇到了问题
这是我的regex
(?<=\[DATA\s+\d+\]).*(?=\[END DATA\])
下面是我想要匹配的示例数据
这里有一些文本
[DATA 1]
data one
some more data
[END DATA]
[DATA 2]
data two
more data
data
[END DATA]
[DATA n]
more data
data
[END DATA]
浏览 0提问于2010-09-13得票数 16
回答已采纳
我正在尝试使用正则表达式解析java中的INNODB状态。我正在尝试提取有关死锁的信息。我正在尝试获取与死锁相关的信息。我使用下面的正则表达式来获取与最近检测到的死锁相关的文本块。
String innodbStatus = <required_INNODB_status>; // assume this is the text
String multiLineRegEx = "((.*)(?:(?:\r\n|[\r\n]))*)*";
String newLineCharacter = System.getProperty("line.separator
浏览 2提问于2013-05-06得票数 0
我想用正则表达式从html文件中提取一些文本。我正在学习正则表达式，但我仍然无法完全理解它。我有一个代码，它提取<body>和</body>之间包含的所有文本，如下所示：
public class Harn2 {
public static void main(String[] args) throws IOException{
String toMatch=readFile();
//Pattern pattern=Pattern.compile(".*?<body.*?>(.*?)</body>.*?"); this on
浏览 0提问于2011-08-29得票数 2
回答已采纳
2回答
我可以知道如何使用REGEX提取以下数据吗？ 1) textA;textB;textC;textD 解压缩"textA;textB;textC“也就是textD的父级 2)文本A；文本B；文本C；文本D AB(numberA) 提取"textA;textB;textC;textD“，也就是AB的父级(NumberA) 3) textA;textB;textC;textD AB(numberA)提取"numberA“进行比较 目前的实现，我使用的是java字符串函数，这使得它不可配置。我怀疑用户没有给我实际的数据，我需要在不久的将来再次更改函数。我希望使用正则表达式来使
浏览 1提问于2012-06-06得票数 0
1回答
我想从网页中提取网址这些只是网址本身不是超链接等，他们只是文本。一些例子可能是http://www.example.com，http://example.com，www.example.com等。我在正则表达式非常新，所以我在网上复制和粘贴了大约20个表达式，都失败了。我不知道我做得对不对。任何帮助都将不胜感激。
浏览 1提问于2010-07-17得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
