字符串预处理类
2016-03-03 20:20
369 查看
程序使用了jsoup对下载的信息进行解析,在此过程中jsoup无法将js注释部分有效的去除,导致在后续解析中出现了很多被注释后的内容出现在正常内容中,故写了一个简单的程序对字符串先进行相关的预处理,而后在进行jsoup解析。
代码如下:
/**
* 项目名:
* 文件名:FilterText.java
* 作者:zhouyh
* 时间:2016-2-22 下午01:46:42
* 描述:TODO(用一句话描述该文件做什么)
*/
package com.zhouyh.module.parser.util;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import com.solr43.util.ReadWriteFile;
/**
* 类名: FilterText
* 包名: com.zhouyh.module.parser.util
* 作者: zhouyh
* 时间: 2016-2-22 下午01:46:42
* 描述: 对正文进行过滤的类
*/
public class FilterText {
//过滤注释的规则
private static String filterNotesRegex = "\\<!--[\\s\\S]*?--\\>";
/**
*
* 方法名:filterText
* 作者:zhouyh
* 创建时间:2016-2-22 下午01:48:06
* 描述:对传入的src进行过滤,此处主要是对注释进行过滤
* @param src
* @return
*/
public static String filterText(String src){
Pattern pattern = Pattern.compile(filterNotesRegex);
Matcher match = pattern.matcher(src);
// while(match.find()){
// System.out.println(match.group());
// }
src = match.replaceAll("");
// System.out.println(src);
return src;
}
/**
* 方法名:main
* 作者:zhouyh
* 创建时间:2016-2-22 下午01:46:42
* 描述:TODO(这里用一句话描述这个方法的作用)
* @param args
*/
public static void main(String[] args) {
String src = ReadWriteFile.readSrc("D:\\ceshi.html", "gbk");
src = FilterText.filterText(src);
System.out.println(src);
}
}
代码如下:
/**
* 项目名:
* 文件名:FilterText.java
* 作者:zhouyh
* 时间:2016-2-22 下午01:46:42
* 描述:TODO(用一句话描述该文件做什么)
*/
package com.zhouyh.module.parser.util;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import com.solr43.util.ReadWriteFile;
/**
* 类名: FilterText
* 包名: com.zhouyh.module.parser.util
* 作者: zhouyh
* 时间: 2016-2-22 下午01:46:42
* 描述: 对正文进行过滤的类
*/
public class FilterText {
//过滤注释的规则
private static String filterNotesRegex = "\\<!--[\\s\\S]*?--\\>";
/**
*
* 方法名:filterText
* 作者:zhouyh
* 创建时间:2016-2-22 下午01:48:06
* 描述:对传入的src进行过滤,此处主要是对注释进行过滤
* @param src
* @return
*/
public static String filterText(String src){
Pattern pattern = Pattern.compile(filterNotesRegex);
Matcher match = pattern.matcher(src);
// while(match.find()){
// System.out.println(match.group());
// }
src = match.replaceAll("");
// System.out.println(src);
return src;
}
/**
* 方法名:main
* 作者:zhouyh
* 创建时间:2016-2-22 下午01:46:42
* 描述:TODO(这里用一句话描述这个方法的作用)
* @param args
*/
public static void main(String[] args) {
String src = ReadWriteFile.readSrc("D:\\ceshi.html", "gbk");
src = FilterText.filterText(src);
System.out.println(src);
}
}
相关文章推荐
- java对世界各个时区(TimeZone)的通用转换处理方法(转载)
- java-注解annotation
- java-模拟tomcat服务器
- java-用HttpURLConnection发送Http请求.
- java-WEB中的监听器Lisener
- Android IPC进程间通讯机制
- Android Native 绘图方法
- Android java 与 javascript互访(相互调用)的方法例子
- 介绍一款信息管理系统的开源框架---jeecg
- 聚类算法之kmeans算法java版本
- java实现 PageRank算法
- PropertyChangeListener简单理解
- c++11 + SDL2 + ffmpeg +OpenAL + java = Android播放器
- 插入排序
- 冒泡排序
- 堆排序
- 快速排序
- 二叉查找树