问题描述
我对正则表达式很陌生,我必须为我正在开发的加载程序拆分 EDI 文件。如果您不熟悉它,这里有一个 2 个段的示例(已修改以解释所有内容,因此它不是一个真实的示例):
APD+EM2:0:16?'30::6+++++++DA'APD+EM2:0:1630::6+++++++DA'
行尾用 '
标记,我忽略是否有转义字符,即问号 - ?'
将忽略例如行尾。 \+
和 :
是主要的分隔符(当数据像地址一样复合时)。
段的拆分工作正常,但我对其他分隔符有问题。我想要一个包含所有元素的 String[]
,即使它们是空的,因为我需要在(插入数据库中)之后处理它。在上面的例子中,我想要一个这样的标签:
APD+EM2:0:16?'30::6+++++++DA
会变成:
{"APD","EM2","0","16?'30","","6","DA"}
{"APD","DA"}
我可以帮我做正则表达式吗?使其匹配 ++
和 ::
目前超出了我的技能。我也需要删除转义字符,但我会自己处理。
顺便说一句,我需要处理大量数据 - 300gb 的原始文本 - 所以如果我所做的在性能方面很糟糕,请不要犹豫告诉我 - 就像每个示例都用 +
和:
同时。
EDIFACT 格式在这里不是经常讨论的东西,我发现的几个例子对我不起作用。
当前代码:
private final String DATA_ELEMENT_DELIMITER = "(?<!\\?)\\+";
private final String DATA_COMPOSITE_ELEMENT_DELIMITER = "(?<!\\?):";
private String[] split (String segments){
return Stream.of(segments)
.flatMap(Pattern.compile(DATA_ELEMENT_DELIMITER)::splitAsstream)
.flatMap(Pattern.compile(DATA_COMPOSITE_ELEMENT_DELIMITER)::splitAsstream)
.toArray(String[]::new);
}
编辑: 我正在运行的代码 - 顺便说一句,我在 Java 8 上运行,但不确定它是否有所作为:
import java.util.Arrays;
import java.util.regex.Pattern;
import java.util.stream.Stream;
public class Split {
public static void main(String[] args) {
Split s = new Split();
System.out.println(
Arrays.toString(
s.split("APD+EM2:0:16?'30::6+++++++DA'")
)
);
}
private static final Pattern DATA_ELEMENT_DELIMITER = Pattern.compile("(?<!\\?)\\+");
private static final Pattern DATA_COMPOSITE_ELEMENT_DELIMITER = Pattern.compile("(?<!\\?):");
private String[] split (String segments){
return Stream.of(segments)
.flatMap(DATA_ELEMENT_DELIMITER::splitAsstream)
.flatMap(DATA_COMPOSITE_ELEMENT_DELIMITER::splitAsstream)
.toArray(String[]::new);
}
}
这是我得到的输出:
[APD,EM2,16?'30,6,DA']
编辑编辑
尝试在在线 Java 11 编译器中运行此代码后,输出正确,但在 Java 8 上不正确。
已解决 - 两种模式相互干扰,仅在 java8 中发生
private static final Pattern DATA_ELEMENT_DELIMITERS = Pattern.compile("((?<!\\?)\\+)|((?<!\\?):)");
private String[] split (String segments){
return Stream.of(segments)
.flatMap(DATA_ELEMENT_DELIMITERS::splitAsstream)
.toArray(String[]::new);
}
解决方法
我的第一个注意事项是,为了提高性能,您肯定希望编译一次 Pattern
并重用实例:
private static final Pattern DATA_ELEMENT_DELIMITER = Pattern.compile("(?<!\\?)\\+");
private static final Pattern DATA_COMPOSITE_ELEMENT_DELIMITER = Pattern.compile("(?<!\\?):");
// ...
.flatMap(DATA_ELEMENT_DELIMITER::splitAsStream)
.flatMap(DATA_COMPOSITE_ELEMENT_DELIMITER::splitAsStream)
第二,正如@user15244370 所提到的,运行您的代码确实会产生您正在寻找的输出。我是这样运行的:
System.out.println(
Arrays.toString(
split("APD+EM2:0:16?'30::6+++++++DA'APD+EM2:0:1630::6+++++++DA'")
)
);
并得到输出:
[APD,EM2,16?'30,6,DA'APD,1630,DA']
假设您发布的内容与实际运行的内容之间存在一些差异,splitAsStream 的文档中提到:
尾随空字符串将被丢弃并且不会在流中遇到。
您是否在调用 split
后进行任何其他处理?你是如何打印数组的?您用来打印 string[]
的方法是否可能正在删除空字符串?据我所知,您的实现应该按您的预期运行。