求教java文本过滤处理

Question

用Pattern matcher，找到想要的，写到一个新文件中不就可以了吗

Answer 1

正则表达式 和 String类的一些方法结合

Answer 2

这是我写的程序：我从来没写过正则表达式 写的好像根本不对 哪位帮我看看改改啊  十分感谢 
class Main
{
  public static void main(String[] args) throws IOException
  { 
String file="/Users/csdn/Desktop/test.rtf";  
   
    BufferedReader br;
try {
br = new BufferedReader(new FileReader(file));

    String line;
    
    
    String re1=".*?"; // Non-greedy match on filler
    String re2="((?:[I-z][d-z]+))"; // ID 
    
    String re3="((?:[c-z][a-z]+))"; // Category     Pattern p = Pattern.compile(re1+re2+re3,Pattern.CASE_INSENSITIVE | Pattern.DOTALL);
    Matcher m = p.matcher(file);
    
    while((line=br.readLine())!=null){
    m=p.matcher(line);
    
    if (m.find())
    {
        String day1=m.group(1);
        String word1=m.group(2);
        System.out.print(" "+day1.toString()+" "+" "+word1.toString()+" "+"\n");
    }
  }
    
}

  catch (FileNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("fail");
}
}
}
输出
结果是 
\font  tbl 
 color  tbl 
 ar  gl 
 ardir  natural 
 ardir  natural 
 AS  IN 
 dis  continued 
 AS  IN 
 tit  le 
 gro  up 
 ales  rank 
 simi  lar 
 ategori  es 
 Boo  ks 
 Boo  ks 
 revie  ws 
 cutom  er 
 cutom  er 
 AS  IN 
 tit  le 
 gro  up 
 ales  rank 
 simi  lar 
 ategori  es 
 Boo  ks 
 Boo  ks 
 revie  ws 
 cutom  er 
 cutom  er 
......
 cutom  er 
 cutom  er 
 AS  IN 
 tit  le 
 ......
 而不是 希望得到的 
1 Book
2 Book 
3 Booktxt里的内容：Id:   0
ASIN: 0771044445
  discontinued productId:   1
ASIN: 0827229534
  title: Patterns of Preaching: A Sermon Sampler
  group: Book
  salesrank: 396585
  similar: 5  0804215715  156101074X  0687023955  0687074231  082721619X
  categories: 2
   |Books[283155]|Subjects[1000]|Religion & Spirituality[22]|Christianity[12290]|Clergy[12360]|Preaching[12368]
   |Books[283155]|Subjects[1000]|Religion & Spirituality[22]|Christianity[12290]|Clergy[12360]|Sermons[12370]
  reviews: total: 2  downloaded: 2  avg rating: 5
    2000-7-28  cutomer: A2JW67OY8U6HHK  rating: 5  votes:  10  helpful:   9
    2003-12-14  cutomer: A2VE83MZF98ITY  rating: 5  votes:   6  helpful:   5Id:   2
ASIN: 0738700797
  title: Candlemas: Feast of Flames
  group: Book
  salesrank: 168596
  similar: 5  0738700827  1567184960  1567182836  0738700525  0738700940
  categories: 2
   |Books[283155]|Subjects[1000]|Religion & Spirituality[22]|Earth-Based Religions[12472]|Wicca[12484]
   |Books[283155]|Subjects[1000]|Religion & Spirituality[22]|Earth-Based Religions[12472]|Witchcraft[12486]
  reviews: total: 12  downloaded: 12  avg rating: 4.5
    2001-12-16  cutomer: A11NCO6YTE4BTJ  rating: 5  votes:   5  helpful:   4
    2002-1-7  cutomer:  A9CQ3PLRNIR83  rating: 4  votes:   5  helpful:   5
    2002-1-24  cutomer: A13SG9ACZ9O5IM  rating: 5  votes:   8  helpful:   8
    2002-1-28  cutomer: A1BDAI6VEYMAZA  rating: 5  votes:   4  helpful:   4
    2002-2-6  cutomer: A2P6KAWXJ16234  rating: 4  votes:  16  helpful:  16
    2002-2-14  cutomer:  AMACWC3M7PQFR  rating: 4  votes:   5  helpful:   5
    2002-3-23  cutomer: A3GO7UV9XX14D8  rating: 4  votes:   6  helpful:   6
    2002-5-23  cutomer: A1GIL64QK68WKL  rating: 5  votes:   8  helpful:   8
    2003-2-25  cutomer:  AEOBOF2ONQJWV  rating: 5  votes:   8  helpful:   5
    2003-11-25  cutomer: A3IGHTES8ME05L  rating: 5  votes:   5  helpful:   5
    2004-2-11  cutomer: A1CP26N8RHYVVO  rating: 1  votes:  13  helpful:   9
    2005-2-7  cutomer:  ANEIANH0WAT9D  rating: 5  votes:   1  helpful:   1Id:   3
ASIN: 0486287785
  title: World War II Allied Fighter Planes Trading Cards
  group: Book
  salesrank: 1270652
  similar: 0
  categories: 1
   |Books[283155]|Subjects[1000]|Home & Garden[48]|Crafts & Hobbies[5126]|General[5144]
  reviews: total: 1  downloaded: 1  avg rating: 5
    2003-7-10  cutomer: A3IDGASRQAW8B2  rating: 5  votes:   2  helpful:   2

Answer 3

不知道楼主提供的日志文件中的每个ＩＤ是否都会有一个ＧＲＯＵＰ相对应。如果是的话，假设源数据文件内容为如下：
Id:   1
ASIN: 0827229534
  title: Patterns of Preaching: A Sermon Sampler
  group: Book
  salesrank: 396585
Id:   2
ASIN: 0738700797
  title: Candlemas: Feast of Flames
  group: Book
  salesrank: 168596
  similar: 5  0738700827  1567184960  1567182836  0738700525  0738700940
Id:   3
ASIN: 0486287785
  title: World War II Allied Fighter Planes Trading Cards
  group: Book
  salesrank: 1270652
  similar: 0
其它的内容因为篇幅省略，放在Ｄ盘的ＤＡＴＡ.ＴＸＴ文件中。之后程序如下：
  public static void main(String[]args) throws IOException{
   File  inFile = new File("D:"+File.separator+"data.txt");
   File  outFile = new File("D:"+File.separator+"data2.txt");
   BufferedWriter writer = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(outFile)));
   BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(inFile))); 
   Pattern pattern = Pattern.compile("(Id:){1}\\s*\\w+|(group:)\\s*\\w+");
   String str = "";
   Matcher matcher;
   while((str = reader.readLine()) !=null){
    matcher= pattern.matcher(str.trim());
    if(matcher.matches()){
     if(str.contains("Id")){
     String[] idStrings = str.trim().split(":\\s*");
     writer.write(idStrings[idStrings.length - 1]+"\t");
     }else if(str.contains("group")){
         String[] groupStrings = str.split(":\\s*");
         writer.write(groupStrings[groupStrings.length - 1]+"\n");
     }
    }
    }
   reader.close();
   writer.flush();
   writer.close();
   System.out.println("文本过滤完毕");
}你所要的结果就会写在ＤＡＴＡ２.ＴＸＴ中

Answer 4

谢谢您  但是我用这段程序后 输出的data2.txt依然是空文件，正则表达式 好像还是没有匹配上

Answer 5

正则式用这个：
String re="(Id|group): [\\d\\w]*";
测试代码如下，Test.txt文件的内容是你主贴贴的那段文本，写入文件的自己自己搞定吧，加油哈，你行的
import java.io.DataOutputStream;  
import java.io.File;  
import java.io.FileOutputStream;  
import java.io.IOException;  
import java.io.OutputStreamWriter;  
import java.io.*;
import java.util.regex.*;public class Test {  
      
    /** 
     * @param args 
     */  
    public static void main(String[] args) {  
        File file = new File("c:\\Test.txt");
if (file.isFile() && file.exists()) {
try {
InputStreamReader read = new InputStreamReader(new FileInputStream(file));
BufferedReader bufferedReader = new BufferedReader(read);
String lineTXT = null;
while ((lineTXT = bufferedReader.readLine()) != null){
String re="(Id|group): [\\d\\w]*";

Pattern p = Pattern.compile(re);
Matcher m = p.matcher(lineTXT);
    
    
     while (m.find()) {
     String tmp = m.group();
     if (!"".equals(tmp)) {
System.out.println(tmp);
     }
}

} 
read.close(); 
}
catch (Exception e) {
    e.printStackTrace();
   }
}
else{ 
System.out.println("找不到指定的文件！"); 
}
    }  
}  

Answer 6

完整的测试代码，供参考
import java.io.File;  
import java.io.FileOutputStream;  
import java.io.IOException;  
import java.io.OutputStreamWriter;  
import java.io.*;
import java.util.regex.*;public class Test {  
      
    /** 
     * @param args 
     */  
    public static void main(String[] args) {  
        File file = new File("c:\\Test.txt");
        File file2 = new File("c:\\demo.txt");
if (file.isFile() && file.exists()) {
try {
InputStreamReader read = new InputStreamReader(new FileInputStream(file));
OutputStreamWriter writer = new OutputStreamWriter(new FileOutputStream(file2));
BufferedReader bufferedReader = new BufferedReader(read);
String lineTXT = null;
while ((lineTXT = bufferedReader.readLine()) != null){
String re="(Id|group): [\\d\\w]*";

Pattern p = Pattern.compile(re);
Matcher m = p.matcher(lineTXT);
    
    
     while (m.find()) {
     String tmp = m.group();
     if (!"".equals(tmp)) {
writer.write(tmp+"\r\n");
     }
}
writer.flush(); 
} 
read.close(); 
}
catch (Exception e) {
    e.printStackTrace();
   }
}
else{ 
System.out.println("找不到指定的文件！"); 
}
    }  
}  

Answer 7

谢谢您 我最后的输出还是没有ID  号 格式如下：Id: 
group: Book
Id: 
group: Music
Id: 
group: BookId 后面没有数字 不知道是为什么呢

Answer 8

你那文本到底是不是标准的？ Id:和group: 后面跟的是几个空格？ group后面是一个空格吧？你主贴给的Id:后面也是一个空格啊， 你要是后面的空格数不对那肯定是读不出来，判断的正则式得改成这样：
String re="(Id|group): [\\s\\d\\w]*";