由于开发工作需要对文本中内容进行过滤,删除或替换掉一些无用的或不符合要求的信息。于是发现一个问题,某一类工程性文本中,用到很多英文写法相同、但含义不同的单位,需要将其分别转为真实含义对应的汉字。比如:"粘度为17s,移动距离为350厘米,要求混凝土必须内实外光。振捣时间为30s。",很明显第一个s是粘度的单位,第二s是时间单位,现在需要将文本中所有表示时间的s替换为“秒”,在朋友指引下,发现通过正则表达式中的环视可以方便实现这功能。
正则表达式中的环视,大家公认的基本原理是依据位置信息来进行匹配。我认为,还可以把它理解为依据目标字符的上下文进行匹配。
具体的java代码如下
package ccnu;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.regex.PatternSyntaxException;
public class regex {
/**
* @param args
*/
public static void main(String[] args) {
// TODO Auto-generated method stub
String tempHtmlString="粘度为17s,移动距离为350厘米,要求混凝土必须内实外光。振捣时间为30s。";
Pattern p_html;
Matcher m_html;
String regEx = "([^粘度][u4e00-u9fa5]{1,10}(?<=[0-9]))s([^a-z]$)";
p_html = Pattern.compile(regEx);
m_html = p_html.matcher(tempHtmlString);
String resultString="";
try {
resultString = m_html.replaceAll("$1秒");
} catch (PatternSyntaxException ex) {
// Syntax error in the regular expression
} catch (IllegalArgumentException ex) {
// Syntax error in the replacement text (unescaped $ signs?)
} catch (IndexOutOfBoundsException ex) {
// Non-existent backreference used the replacement text
}
System.out.println(resultString);
}
}
结果:粘度为17s,移动距离为350厘米,要求混凝土必须内实外光。振捣时间为30秒。