使用正则表达式提取符合一定规律的文本文件中的数据

使用正则表达式提取html中列表里的数据

类似这种有规律的数据

package com.regex;

import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.InputStreamReader;
import java.io.UnsupportedEncodingException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Regex {
	public static void main(String[] args) {
		StringBuffer sb =new StringBuffer();
		try {
			// MyEclipse相对路径从工程的根目录下开始
			//字节流
			FileInputStream fis = new FileInputStream("src/com/regex/sample.html");
            //字符流
			InputStreamReader isr = new InputStreamReader(fis, "UTF-8");
			//缓冲流
			BufferedReader br= new BufferedReader(isr);
			String lineText="";
			while((lineText=br.readLine())!=null){
				sb.append(lineText+"\n");
			}
			//System.out.println(sb.toString());
			fis.close();
			isr.close();
			br.close();

		} catch (FileNotFoundException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		} catch (UnsupportedEncodingException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		String regex="<li>([\\u4e00-\\u9fa5]{1,9})([a-zA-Z]+)</li>";
		//正则对象
		Pattern p=Pattern.compile(regex);
		//匹配正则
		Matcher m=p.matcher(sb.toString());
		while(m.find()){
			//无论是否用分组模式，一定有group(0),前提是匹配的到
			System.out.println(m.group(0));
			//能将文件中的中英文提取出来，可以存库或者处理业务
			String zw= m.group(1);
			String yw=m.group(2);
			System.out.println(zw+"-"+yw);
		}
	}

}

提取结果：