内容抓取匹配例子-中文数字转数字

最新推荐文章于 2022-07-15 15:52:52 发布
最新推荐文章于 2022-07-15 15:52:52 发布
阅读量138 收藏
点赞数
分类专栏： [01]java 文章标签： 内容抓取匹配例子-中文数字转数字 
package test;

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;
import java.util.Set;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ContentChecker {
	public enum CheckRule{
		$检查地区,
		$检查房型,
		$检查价格,
		$检查户型,
		$检查面积,
		$检查电话;
	}
	
	private static Map<String,String> _$1_rule_map = new HashMap<String,String>();
	private static Map<String,String> _$2_rule_map = new HashMap<String,String>();
	private static Map<String,String> _$3_rule_map = new HashMap<String,String>();
	private static Map<String,String> _$4_rule_map = new HashMap<String,String>();
	private static Map<String,String> _$5_rule_map = new HashMap<String,String>();
	private static Map<String,String> _$6_rule_map = new HashMap<String,String>();
	
	static{
		_$1_rule_map.put("亞凱迪亞", "Arcadia|亚市|亞凱|阿凱迪亞|亞凱迪亞|亞凱迪");
		_$1_rule_map.put("阿罕布拉市", "Alhambra|阿罕布拉|阿市|阿罕布拉市");
		_$1_rule_map.put("亞凱迪亞","亞凱迪亞|Arcadia|亚市|亞凱|阿凱迪亞|亞凱迪亞|亞凱迪");
		_$1_rule_map.put("聖蓋博","聖蓋博|San|Gabriel|聖市");
		_$1_rule_map.put("天普市","天普市|Temple|city|天普");
		_$1_rule_map.put("蒙羅維亞","蒙羅維亞|Monrovia");
		_$1_rule_map.put("蒙特利公園","蒙特利|Monterey|Park|蒙市");
		_$1_rule_map.put("阿罕布拉市","阿罕布拉|Alhambra|阿市|阿罕布拉市");
		_$1_rule_map.put("蒙地貝婁","蒙地貝婁|Montebello");
		_$1_rule_map.put("聖瑪利諾","聖瑪利諾|san|marino|聖市");
		_$1_rule_map.put("帕莎迪那","帕莎迪那|Pasadena|帕莎迪娜|帕市");
		_$1_rule_map.put("格蘭岱","格蘭岱|Glendale");
		_$1_rule_map.put("拉朋地","拉朋地|La Puente");
		_$1_rule_map.put("鮑溫公園","鮑溫公園|Baldwin|Park");
		_$1_rule_map.put("艾爾蒙地","艾爾蒙地|El|Monte");
		_$1_rule_map.put("柔似蜜","柔似蜜|Rosemead|柔市|柔似蜜");
		_$1_rule_map.put("奇諾崗","奇諾崗|chino|hills");
		_$1_rule_map.put("鑽石吧","鑽石吧|diamond|bar|corona");
		_$1_rule_map.put("工業市","工業市|City|of|Industry");
		_$1_rule_map.put("核桃市","核桃市|walnut");
		_$1_rule_map.put("哈崗","哈崗|Hacienda|Height");
		_$1_rule_map.put("羅蘭崗","羅蘭崗|Rowland|Heights");
		_$1_rule_map.put("西柯汶納","西柯汶納|west|covina");
		_$1_rule_map.put("波莫那","波莫那|Pomona");
		_$1_rule_map.put("聖迪瑪斯","聖迪瑪斯|San|Dimas");
		_$1_rule_map.put("克萊蒙","克萊蒙|Claremont");
		_$1_rule_map.put("厄浦蘭","厄浦蘭|upland");
		_$1_rule_map.put("赌城地产","赌城地产|Las|Vages");

		
		
		_$2_rule_map.put("康斗","康斗|Condo");
		_$2_rule_map.put("屋","独立屋|豪宅|House");
		_$2_rule_map.put("办公","办公室|Office");
		_$2_rule_map.put("仓库","仓库|Warehouse");
		_$2_rule_map.put("公寓","公寓|亚寓|Apartment");
		_$2_rule_map.put("移动","移动房屋|Mobile|Home");
		_$2_rule_map.put("旅馆","汽车旅馆|旅馆|Motel");
		_$2_rule_map.put("旺铺","旺铺|商铺|店|Store");
		_$2_rule_map.put("洗车","洗车行|Car|Wash");
		_$2_rule_map.put("加油","加油站|Gas|Station");
		_$2_rule_map.put("PUD","PUD|PUD");
		_$2_rule_map.put("土地","土地|Land");
		_$2_rule_map.put("其他","其他|Other");
		

		_$3_rule_map.put("价格：%s", "((售\\s*价|售|月\\s*租\\s*金|租\\s*金|月\\s*租|租|\\$)?\\s*\\d+\\s*(每\\s*月|月|\\/月|元|块)+)|((售\\s*价|售|月\\s*租\\s*金|租\\s*金|月\\s*租|租|\\$)+\\s*\\d+\\s*(每\\s*月|月|\\/月|元|块)?)");
		
		
		_$4_rule_map.put("户型：%s", "(\\d+\\s*(室|厅|厨|卫))+");
		
		_$5_rule_map.put("面积：%s", "((地大|佔地|占地|近)?\\s*\\d+\\s*(余尺|尺|呎)+\\d*)");
		
		_$6_rule_map.put("电话：%s", "(\\d+-\\d+-\\d+)");
	}
	
	public static String getPropValueFromContent(CheckRule proprule, String content){
		
		String result = null;
		
		switch (proprule) {
		case $检查地区:
			result = matchInThis(_$1_rule_map,content);
			break;
		case $检查房型:
			result = findFirstInThis(_$2_rule_map,content);
			break;

		case $检查价格:
			result = findFirstInThis(_$3_rule_map,content);
			break;
		case $检查户型:
			result = findFirstInThis(_$4_rule_map,content);
			break;
		case $检查面积:
			result = findFirstInThis(_$5_rule_map,content);
			break;
		case $检查电话:
			result = findFirstInThis(_$6_rule_map,content);
			break;

		default:
			break;
		}
		return result;
	}
	

	public static void main(String[] args) {

		
		String testContent = "###  Vages 阿市 sadfsadaew 收到罚单 Condo 罚单撒旦法撒发是 速度 #### \r\n"
				+ "#### 租八万八#### \r\n"
				+ "#### 三尺三#地大八萬#地大八万三千#近5千尺## \r\n"
				+ "#### 租八百#### \r\n"
				+ "#### 两室一厅一厨一卫月租两百块#### \r\n"
				+ "#### 售    十亿壹 仟贰   佰伍 拾叁 万陆 仟 柒 佰 捌 拾 玖 元 整  #### \r\n"
				+ "#### 售 价 三千五百万### \r\n"
				+ "#### 电话 888-222-11111### \r\n"
				+ "#### 壹仟零贰元整#### \r\n"
				+ "#### $三十四万零二百每月#### \r\n"
				+ "#### $5010万/月##### \r\n";
		
		String newContent = ContentConvertUtil.ReplaceCNNumToInt(testContent);
		System.out.println(newContent);
		
		

		String find = getPropValueFromContent(CheckRule.$检查地区, newContent);
		System.out.println(String.format("$检查地区:[%s]", find));
		
		find = getPropValueFromContent(CheckRule.$检查房型, newContent);
		System.out.println(String.format("$检查房型:[%s]", find));
		
		
		find = getPropValueFromContent(CheckRule.$检查价格, newContent);
		System.out.println(String.format("$检查价格:[%s]", find));
		
		find = getPropValueFromContent(CheckRule.$检查户型, newContent);
		System.out.println(String.format("$检查户型:[%s]", find));
		
		
		find = getPropValueFromContent(CheckRule.$检查面积, newContent);
		System.out.println(String.format("$检查面积:[%s]", find));
		
		find = getPropValueFromContent(CheckRule.$检查电话, newContent);
		System.out.println(String.format("$检查电话:[%s]", find));
		
		
		
		
		
		
	}

	private static String findFirstInThis(Map<String, String> ruleMap, String content) {
		
		String result = null;
		
		Set<Entry<String, String>> entrySet = ruleMap.entrySet();
		for (Entry<String, String> kvp : entrySet) {
			String regex = String.format("%s", kvp.getValue());
			Pattern pattern = Pattern.compile(regex);
			Matcher matcher = pattern.matcher(content);
			
			String allStr = "";
			
			while(matcher.find()){
				allStr = allStr+"|"+matcher.group();
			}
			
			
			if(!"".equals(allStr)){
				
				result = String.format(kvp.getKey(),allStr);
				break;
			}
			
			
//			if(matcher.find()){
//				result = String.format(kvp.getKey(),matcher.group());
//				break;
//			}
		}
		return result;
	}

	private static String matchInThis(Map<String, String> ruleMap, String content) {
		
		String result = null;
		
		Set<Entry<String, String>> entrySet = ruleMap.entrySet();
		for (Entry<String, String> kvp : entrySet) {
			String regex = String.format("(\\s|\\S)*(%s)+(\\s|\\S)*", kvp.getValue());
			//System.out.println(String.format(">>>>>>>[%s]【%s】", regex,content));
			Pattern pattern = Pattern.compile(regex);
			Matcher matcher = pattern.matcher(content);
			if(matcher.matches()){
				result = kvp.getKey();
				break;
			}
		}
		return result;
	}
	
	
	

}

class ContentConvertUtil{
	
	/**
	 * 全文替换 中文混合数字 为 纯数字，适用月正整数，最大支持 999999999
	 * eg:十亿壹 仟贰   佰伍 拾叁 万陆 仟 柒 佰 捌 拾 玖 元 整
	 * @param chinaInt
	 * @return
	 */
	public static String ReplaceCNNumToInt(String chinaContent) {
		String regex = CNNumRegex+"+";
		Pattern pattern = Pattern.compile(regex);
		Matcher matcher = pattern.matcher(chinaContent);
		StringBuffer sb = new StringBuffer();
		while(matcher.find()){
			Integer cnNumToInt = CNNumToInt(matcher.group());
			String replaceStr = "*";
			if(!cnNumToInt.equals(0)){
				replaceStr = cnNumToInt.toString();
			}
			//System.out.println("replace:["+matcher.group()+":"+replaceStr+"]");
			matcher.appendReplacement(sb,replaceStr);
		}
		matcher.appendTail(sb);
		return sb.toString();
	}
	
	/**
	 * 中文混合数字 转 纯数字，适用月正整数，最大支持 999999999
	 * @param chinaInt
	 * @return
	 */
	public static Integer CNNumToInt(String chinaInt) {
		String regex = CNNumRegex;
		Pattern pattern = Pattern.compile(regex);
		Matcher matcher = pattern.matcher(chinaInt);
		
		
		List<Integer> resultSplit = new ArrayList<Integer>();
		
		Integer currVal = 0;
		Integer prevUnit = 1;
		while(matcher.find()){
			
			if(matcher.groupCount()==6){
				
				//System.out.println("############matcher:["+matcher.group(2)+"]["+matcher.group(5)+"]");
				
				String numValStr = matcher.group(2);
				String numUnitStr = matcher.group(5).replaceAll("\\s", "");
				
				Integer numVal = 0;
				Integer numUnit = 1;
				
				if(isNum(numValStr)){
					numVal = Integer.parseInt(numValStr);
				}else{
					numVal = numMap.get(numValStr);
				}
				numVal = numVal==null?0:numVal;
				
				if("".equals(numUnitStr)){
					numUnit = prevUnit>1?prevUnit/10:1;
				}else{
					numUnit = unitMap.get(numUnitStr);
				}
				numUnit = numUnit==null?1:numUnit;
				prevUnit = numUnit;
				
				if(numUnit>=100000000){
					currVal = currVal*100000000 + (numVal*numUnit);
					//System.out.println(">>>>>currVal["+currVal+"]");
					resultSplit.add(currVal);
					currVal = 0;
				}else if(numUnit>=10000&&numUnit<100000000){
					currVal = currVal*10000 + (numVal*numUnit);
					//System.out.println(">>>>>currVal["+currVal+"]");
					resultSplit.add(currVal);
					currVal = 0;
				}else if(1>=1&&numUnit<10000){
					currVal = currVal*1 + (numVal*numUnit);
					//System.out.println(">>>>>currVal["+currVal+"]");
				}
			}
		}
		resultSplit.add(currVal);
		Integer result = 0;
		for (Integer val : resultSplit) {
			//System.out.println("######resultSplit["+val+"]");
			result = result+val;
		}
		//System.out.println("result["+result+"]");
		return result;
	}
	private static boolean isNum(String target){
		target = target.replaceAll("\\s", "");
		if(Pattern.compile("\\d+").matcher(target).matches()){
			return true;
		}
		return false;
	}
	private static String CNNumRegex = "(((零|壹|贰|叁|肆|伍|陆|柒|捌|玖|拾|〇|一|二|三|四|五|六|七|八|九|十|两)|(\\d+))\\s*((十|拾|百|佰|千|仟|万|萬|亿|\\s)*))";
	private static Map<String,Integer> numMap = new HashMap<String,Integer>();
	private static Map<String,Integer> unitMap = new HashMap<String,Integer>();
	
	static{
		numMap.put("零", 0);
		numMap.put("壹", 1);
		numMap.put("贰", 2);
		numMap.put("叁", 3);
		numMap.put("肆", 4);
		numMap.put("伍", 5);
		numMap.put("陆", 6);
		numMap.put("柒", 7);
		numMap.put("捌", 8);
		numMap.put("玖", 9);
		numMap.put("拾",10);
		numMap.put("〇", 0);
		numMap.put("一", 1);
		numMap.put("二", 2);
		numMap.put("三", 3);
		numMap.put("四", 4);
		numMap.put("五", 5);
		numMap.put("六", 6);
		numMap.put("七", 7);
		numMap.put("八", 8);
		numMap.put("九", 9);
		numMap.put("十", 10);
		numMap.put("两", 2);
	}
	
	static{
		unitMap.put("十",   10);
		unitMap.put("百",   100);
		unitMap.put("千",   1000);
		unitMap.put("万",   10000);
		unitMap.put("十万", 100000);
		unitMap.put("百万", 1000000);
		unitMap.put("千万", 10000000);
		unitMap.put("拾万", 100000);
		unitMap.put("佰万", 1000000);
		unitMap.put("仟万", 10000000);
		unitMap.put("拾",   10);
		unitMap.put("佰",   100);
		unitMap.put("仟",   1000);
		unitMap.put("萬",   10000);
		unitMap.put("拾萬", 100000);
		unitMap.put("佰萬", 1000000);
		unitMap.put("仟萬", 10000000);
		unitMap.put("十萬", 100000);
		unitMap.put("百萬", 1000000);
		unitMap.put("千萬", 10000000);
		unitMap.put("亿",   100000000);
		unitMap.put("拾亿", 1000000000);
		unitMap.put("十亿", 1000000000);
		unitMap.put(null, 1);
	}
}

 

 

ianbj
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
jsoup-1.13.1.jar Java爬虫经典框架 抓取网页内容
10-27
jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。
php 抓取图片------爬虫
12-30
php 抓取图片-----爬虫
【分享】Java中文字符串包含数字排序(自然语义)
清风唱诗人的博客
08-26 1057
前言: 根据需求，出现分类10，分类7，分类03类似的数据时，需要排程分类03，分类7，分类10，可参考如下实现。 核心算法: 1.实现Comparetor,重写compare 原本是按照给定的排序规则，逐字符比较。需要改写成我们的规则 2.找到数字元素，进行比较。注意是同位置。 import java.util.Arrays; import java.util.Comparator; public class Demo { public static void ...
java 获取字符串中的汉字_java语言中如何获取字符串中汉字的个数
weixin_36106506的博客
02-16 499
【实例描述】字符串中可以包含数字，字母、汉字或者其他字符。使用Character 类的isDigit()方法可以判断字符中的某个字符是否为数字，使用Character 类的isLetter()方法可以判断字符中的某个字符是否为字母。实例中将介绍一种方法用来判断字符串中的某个字符是否为汉字，通过此方法可以计算字符串中汉字的数量。实例的运行效果如图4.24 所示。【实现过程】在Eclipse 中新建项...
Java 版本中文数字转阿拉伯数字实现
samoyan的博客,记录技术成长~
07-15 2623
主要逻辑是从后往前，依次处理每一个字符，处理进位之类的。
java数字转换中文数字,java阿拉伯数字转换成中文数字
weixin_30210749的博客
03-12 345
/***阿拉伯数字转中文数字，中文数字转阿拉伯数字。*2015年10月30日上午10:18:06**@autherliuc*/publicclassNumberConventer{//////阿拉伯數字轉中文/////////publicstaticStringToConvtZH(IntegerintInput){Stringsd=ToCH(intInput...
Java 将数字123对应于中文的一二三
分享我的点点滴滴，在成长路上与你同行！
01-06 4263
需求： 如何将数字123对应于中文的一二三 private final static char[] cs = "零一二三四五六七八九".toCharArray(); /** * @param args */ public static void main(String[] args) { int num = 123; //调用方法 String str=NumberTo
抓取策略--Web信息检索与数据抓取-反向链接数策略--拓展.ppt
06-10
抓取策略--Web信息检索与数据抓取-反向链接数策略--拓展.ppt抓取策略--Web信息检索与数据抓取-反向链接数策略--拓展.ppt抓取策略--Web信息检索与数据抓取-反向链接数策略--拓展.ppt抓取策略--Web信息检索与数据抓取-...
抓取策略--Web信息检索与数据抓取-反向链接数策略--拓展.pdf
06-10
抓取策略--Web信息检索与数据抓取-反向链接数策略--拓展.pdf抓取策略--Web信息检索与数据抓取-反向链接数策略--拓展.pdf抓取策略--Web信息检索与数据抓取-反向链接数策略--拓展.pdf抓取策略--Web信息检索与数据抓取-...
Crawler-淘宝京东详情页图片抓取-1.1.0.zip
12-30
名称：Crawler-淘宝京东详情页图片抓取 -------------------- 版本：1.1.0 作者：lcs584911924 分类：其他 -------------------- 概述：使用这个附加组件，可以便捷的将国内主要的电商平台：淘宝、天猫、京东的...
java实现中文数字与阿拉伯数字互相转换
Empxu的专栏
10-31 1633
最近在作东西的时候,需要使用中文数字与阿拉伯数字进行互相转换.在网搜了一下效果并不是十分理想.没有办法只好自己动手. 现在拿出来与大家分享,并不断完善. 需要注意的一些地方: 1.目前最大上限是以亿为单位. 2.没有实现中文大写钱数的互换. 3.实用的是int型数字,这样上限大概是以十亿为单位. 4.有些中文的数字习惯没有处理(“4亿”=“4万万”,“一十一”=“十一”，“零”＝“...
Java操作数字转换中文
jutaoah的专栏
11-25 379
public class chineseToNumber { private final String[] charNumChar={"零","一","二","三","四","五","六","七","八","九"}; //数字对中文每四个零对应一个节权 private final String[] chanUnitSection={"","万","亿","万亿"}; pr
java正则表达替换中文标点和空格及数字
喧嚣求静
08-07 1261
[code="java"] package com.test; import java.util.regex.Pattern; public class StringUtils { /**匹配&或全角状态字符或标点*/ public static final String PATTERN="&|[\uFE30-\uFFA0]|‘’|“”"; publi...
实验-三、数据库安全性(目的、要求和模板).doc
04-24
实验-三、数据库安全性(目的、要求和模板).doc
基于Docker搭建K8s集群离线包
04-24
基于Docker搭建K8s集群离线包，包含部署时所需的全部文件，可在内网环境中使用，K8s为1.23.0版本，docker为20.10.9-3版本
基于springboot+vue实现的求职招聘类型网站源代码+数据库（优质毕设项目）.zip
04-24
基于springboot+vue实现的求职招聘类型网站源代码+数据库（优质毕设项目）.zip个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试，确保可以运行！ 基于springboot+vue实现的求职招聘类型网站源代码+数据库（优质毕设项目）.zip个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试，确保可以运行！ 基于springboot+vue实现的求职招聘类型网站源代码+数据库（优质毕设项目）.zip个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试，确保可以运行！基于springboot+vue实现的求
基于Android系统Api封装常用工具类.zip
04-24
基于Android系统Api封装常用工具类.zip
基于PCA和SVM的人脸识别
最新发布
04-24
svm 基于PCA（主成分分析）和SVM（支持向量机）的人脸识别是一种常见的方法。这里是一个简要说明： PCA（主成分分析）： PCA是一种降维技术，它通过线性变换将高维数据转换为低维数据，同时保留最大的数据方差。 在人脸识别中，PCA被用来提取人脸图像中的主要特征，从而减少数据的维度，并保留最重要的信息。 SVM（支持向量机）： SVM是一种监督学习算法，用于分类和回归分析。 在人脸识别中，SVM被用来构建一个分类器，以将提取的人脸特征映射到相应的人脸身份标签。 基于PCA和SVM的人脸识别流程： 训练阶段： 收集训练数据集，包括多个人的人脸图像和相应的标签。 对每个人脸图像应用PCA，将其转换为低维特征向量。 使用这些特征向量训练一个SVM分类器，使其能够将人脸特征向量与相应的人脸标签关联起来。 测试阶段： 对待识别的人脸图像应用相同的PCA转换，将其转换为与训练数据相同的低维特征向量。 使用训练好的SVM分类器，将待识别的人脸特征向量与已知的人脸标签进行比较，从而确定其身份。 优点： PCA可以有效地降低数据的维度，减少计算复杂度，并提取最相关的特征。 SVM在处理
天津科技大学-答辩通用PPT模板我给母校送模板作品.pptx
04-24
PPT模板，答辩PPT模板，毕业答辩，学术汇报，母校模板，我给母校送模板作品，周会汇报，开题答辩，教育主题模板下载。PPT素材下载。
在Linux里面通过Python抓取文件内容的数字部分
06-16
# 使用正则表达式匹配数字部分 numbers = re.findall(r'\d+', content) # 输出数字部分 print(numbers) ``` 以上代码将会读取名为 `filename.txt` 的文件，并返回其中的数字部分。你可以将正则表达式 `r'\d+'` 换...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值