前と次の単語を考慮して文字列を正確に一致させる方法

Question

私はjava regexに新規です。xmlのファイルがあり、別のノードが含まれています。ファイルは -

<Node id="855"/>PROFILE<Node id="862"/>:<Node id="863"/> 
<Node id="864"/>8<Node id="865"/> <Node id="866"/>years<Node id="871"/> <Node id="872"/>IT<Node id="874"/> <Node id="875"/>industry<Node id="883"/> <Node id="884"/>experience<Node id="894"/> <Node id="895"/>in<Node id="897"/> <Node id="898"/>web<Node id="901"/> <Node id="902"/>based<Node id="907"/> <Node id="908"/>applications<Node id="920"/> <Node id="921"/>that<Node id="925"/> <Node id="926"/>involved<Node id="934"/> <Node id="935"/>extensive<Node id="944"/> <Node id="945"/>development<Node id="956"/> <Node id="957"/>work<Node id="961"/> <Node id="962"/>in<Node id="964"/> <Node id="965"/>Java<Node id="969"/>/<Node id="970"/>J<Node id="971"/>2<Node id="972"/>EE<Node id="974"/>,<Node id="975"/>Jquery<Node id="981"/>,<Node id="982"/>Jqgrid<Node id="988"/>,<Node id="989"/>Ajax<Node id="993"/>.<Node id="994"/> 
<Node id="995"/>Good<Node id="999"/> <Node id="1000"/>experience<Node id="1010"/> <Node id="1011"/>in<Node id="1013"/> <Node id="1014"/>agile<Node id="1019"/> <Node id="1020"/>methodology<Node id="1031"/> <Node id="1032"/>.<Node id="1033"/> 

私はこの文字列に一致する必要がある文字列を持っています。したがって

PROFILE: 
8 years IT industry experience in web based applications that involved extensive development work in Java/J2EE,Jquery,Jqgrid,Ajax. 

、

private void parseXml(ArrayList<String> elements, String filePath) { 
    boolean flag = false; 
    String nextId = "0"; 
    String xmlData = getTextWithNodesDataFromXml(filePath); 
    for (String s : elements) { 
     System.out.println(s); 
     String token; 
     int id; 
     String regex = ""; 
     if (flag == false) { 
      regex = "<Node id=\"([0-9]+)\"\\/>(" + s + ")"; 
      flag = true; 
      Pattern pattern1 = Pattern.compile(regex); 
      Matcher matcher1 = pattern1.matcher(xmlData); 
      if (matcher1.find()) { 
       System.out.println("match found -->" + s); 
      } 
     } 

SO最初の引数が一致されるべきであり、第二は、ファイルのパス文字列のトークンを含む配列のリストです。 xmlDataは先に述べたノードと一致しなければなりません。だから、PROFILEが3回マッチしているとわかったらどうすれば全体の文字列を確認できますか？私はこのノードと正確な文字列を一致させる必要がありますか？どうやってやるの？

Answer 1

私は、比較できるものを比較することをお勧めします。あなたが示したXMLは、文章のトークン化です。それを文字列全体と比較しようとします。

XMLをStringの配列に変換し、PROFILE文をString.split("\\s+")でトークン化すると、2つのString配列を比較する必要があります。

おそらく、完全一致はあなたが望んでいないでしょうか？

この場合、類似度の割合はp、しきい値はt、計算結果はp > tとしてください。

Answer 2

私は、何が要求されているかについていくつか前提をして、わかりやすく実用的な解決策を作成しました。

私はファイルを読むことを避けています。

package stacktest; 

import java.util.ArrayList; 
import java.util.Arrays; 
import java.util.List; 
import java.util.regex.Matcher; 
import java.util.regex.Pattern; 

public class StringMatch 
{ 
    private String getTextWithNodesDataFromXml(String filePath) 
    { 
     // cheating here by passing the xml as a string in. 
     return filePath; 
    } 

    private int [] findMatches(List<String> elements, String filePath) 
    { 
     String xmlData = getTextWithNodesDataFromXml(filePath); 

     String outerRegex = "(<Node id=\"[0-9]+\"\\/>PROFILE<Node id=\"[0-9]+\"\\/>:<)"; 
     Pattern outerPattern = Pattern.compile(outerRegex, Pattern.DOTALL); 
     Matcher outerMatcher = outerPattern.matcher(xmlData); 
     int outerMatches = 0; 
     boolean first = true; 
     int lastStart=0; 
     ArrayList<String> profiles = new ArrayList<String>(); 
     while (outerMatcher.find()) 
     { 
      String localXML = outerMatcher.group(1); 
      int startIndex = outerMatcher.start(1); 

      if (!first) 
      { 
       localXML = xmlData.substring(lastStart, startIndex); 
       profiles.add(localXML); 
      } 
      lastStart = startIndex; 
      first = false; 
      outerMatches++; 
     } 
     // Is there a hanging one at the end? 
     if (outerMatches > 0) 
     { 
      String localXML = xmlData.substring(lastStart); 
      profiles.add(localXML); 
     } 

     for (String profile: profiles) 
     { 
      // System.out.println(localXML); 
      String regex = "<Node id=\"([0-9]+)\"\\/>([^<]+)"; 

      Pattern pattern1 = Pattern.compile(regex); 
      Matcher matcher1 = pattern1.matcher(profile); 
      ArrayList<String> toMatch = new ArrayList<String>(); 
      ArrayList<String> idMatch = new ArrayList<String>(); 

      while (matcher1.find()) 
      { 
       String token = matcher1.group(2); 
       toMatch.add(token); 
       String id = matcher1.group(1); 
       idMatch.add(id); 
       outerMatches++; 
      } 

      if (elements.size() == toMatch.size()) 
      { 
       boolean didFind = true; 
       for (int i=0; i< elements.size(); i++) 
       { 
        String element = elements.get(i); 
        String match = toMatch.get(i); 
        if (!element.equals(match)) 
        { 
         didFind = false; 
        } 
       } 

       if (didFind) 
       { 
        int[] toReturn = new int[2]; 
        toReturn[0] = Integer.parseInt(idMatch.get(0)); 
        toReturn[1] = Integer.parseInt(idMatch.get(idMatch.size()-1)); 
        return toReturn; 
       } 
      } 

     } 

     return null; 
    } 

    public static void main(String args[]) 
    { 
     String nodes = "<Node id=\"855\"/>PROFILE<Node id=\"862\"/>:<Node id=\"863\"/>\n" + 
       "<Node id=\"864\"/>8<Node id=\"865\"/> <Node id=\"866\"/>years<Node id=\"871\"/> <Node id=\"872\"/>IT<Node id=\"874\"/> <Node id=\"875\"/>industry<Node id=\"883\"/> <Node id=\"884\"/>experience<Node id=\"894\"/> <Node id=\"895\"/>in<Node id=\"897\"/> <Node id=\"898\"/>web<Node id=\"901\"/> <Node id=\"902\"/>based<Node id=\"907\"/> <Node id=\"908\"/>applications<Node id=\"920\"/> <Node id=\"921\"/>that<Node id=\"925\"/> <Node id=\"926\"/>involved<Node id=\"934\"/> <Node id=\"935\"/>extensive<Node id=\"944\"/> <Node id=\"945\"/>development<Node id=\"956\"/> <Node id=\"957\"/>work<Node id=\"961\"/> <Node id=\"962\"/>in<Node id=\"964\"/> <Node id=\"965\"/>Java<Node id=\"969\"/>/<Node id=\"970\"/>J<Node id=\"971\"/>2<Node id=\"972\"/>EE<Node id=\"974\"/>,<Node id=\"975\"/>Jquery<Node id=\"981\"/>,<Node id=\"982\"/>Jqgrid<Node id=\"988\"/>,<Node id=\"989\"/>Ajax<Node id=\"993\"/>.<Node id=\"994\"/>\n" + 
       "<Node id=\"995\"/>Good<Node id=\"999\"/> <Node id=\"1000\"/>experience<Node id=\"1010\"/>"; 

     String nodes2 = "<Node id=\"855\"/>PROFILE<Node id=\"862\"/>:<Node id=\"863\"/>\n" + 
       "<Node id=\"864\"/>8<Node id=\"865\"/> <Node id=\"866\"/>years<Node id=\"871\"/> <Node id=\"872\"/>IT<Node id=\"874\"/> <Node id=\"875\"/>industry<Node id=\"883\"/> <Node id=\"884\"/>experience<Node id=\"894\"/> <Node id=\"895\"/>in<Node id=\"897\"/> <Node id=\"898\"/>web<Node id=\"901\"/> <Node id=\"902\"/>based<Node id=\"907\"/> <Node id=\"908\"/>applications<Node id=\"920\"/> <Node id=\"921\"/>that<Node id=\"925\"/> <Node id=\"926\"/>involved<Node id=\"934\"/> <Node id=\"935\"/>extensive<Node id=\"944\"/> <Node id=\"945\"/>development<Node id=\"956\"/> <Node id=\"957\"/>work<Node id=\"961\"/> <Node id=\"962\"/>in<Node id=\"964\"/> <Node id=\"965\"/>Java<Node id=\"969\"/>/<Node id=\"970\"/>J<Node id=\"971\"/>2<Node id=\"972\"/>EE<Node id=\"974\"/>,<Node id=\"975\"/>Jquery<Node id=\"981\"/>,<Node id=\"982\"/>Jqgrid<Node id=\"988\"/>,<Node id=\"989\"/>Ajax<Node id=\"993\"/>.<Node id=\"994\"/>"; 
       //"<Node id=\"995\"/>Good<Node id=\"999\"/> <Node id=\"1000\"/>experience<Node id=\"1010\"/>"; 

     String nodes3 = "<Node id=\"1\"/>PROFILE<Node id=\"2\"/>:<Node id=\"3\"/>This<Node id=\"4\"/>is<Node id=\"5\"/>not<Node id=\"6\"/>the<Node id=\"7\"/>Profile<Node id=\"8\"/>\n" + 
       "<Node id=\"855\"/>PROFILE<Node id=\"862\"/>:<Node id=\"863\"/>\n" + 
       "<Node id=\"864\"/>8<Node id=\"865\"/> <Node id=\"866\"/>years<Node id=\"871\"/> <Node id=\"872\"/>IT<Node id=\"874\"/> <Node id=\"875\"/>industry<Node id=\"883\"/> <Node id=\"884\"/>experience<Node id=\"894\"/> <Node id=\"895\"/>in<Node id=\"897\"/> <Node id=\"898\"/>web<Node id=\"901\"/> <Node id=\"902\"/>based<Node id=\"907\"/> <Node id=\"908\"/>applications<Node id=\"920\"/> <Node id=\"921\"/>that<Node id=\"925\"/> <Node id=\"926\"/>involved<Node id=\"934\"/> <Node id=\"935\"/>extensive<Node id=\"944\"/> <Node id=\"945\"/>development<Node id=\"956\"/> <Node id=\"957\"/>work<Node id=\"961\"/> <Node id=\"962\"/>in<Node id=\"964\"/> <Node id=\"965\"/>Java<Node id=\"969\"/>/<Node id=\"970\"/>J<Node id=\"971\"/>2<Node id=\"972\"/>EE<Node id=\"974\"/>,<Node id=\"975\"/>Jquery<Node id=\"981\"/>,<Node id=\"982\"/>Jqgrid<Node id=\"988\"/>,<Node id=\"989\"/>Ajax<Node id=\"993\"/>.<Node id=\"994\"/>" + 
       "PROFILE<Node id=\"1021\"/>:<Node id=\"1022\"/>This<Node id=\"1023\"/>is<Node id=\"1024\"/>not<Node id=\"1025\"/>the<Node id=\"1026\"/>Profile<Node id=\"1027\"/>\n"; 

     String[] el = { "PROFILE", ":", "\n", 
         "8", " ", "years", " ", "IT", " ", "industry", " ", "experience", " ", "in", " ", "web", 
         " ", "based", " ", "applications", " ", "that", " ", "involved", " ", "extensive", " ", 
         "development", " ", "work", " ", "in", " ", "Java", "/", "J", "2", "EE", ",", "Jquery", 
         ",", "Jqgrid", ",", "Ajax", "." 
         }; 

     List<String> elements = Arrays.asList(el); 

     StringMatch sm = new StringMatch(); 
     printTest(sm.findMatches(elements, nodes)); 
     printTest(sm.findMatches(elements, nodes2)); 
     printTest(sm.findMatches(elements, nodes3)); 
    } 

    private static void printTest(int[] vals) 
    { 
     if (vals != null) 
     { 
      System.out.println("found match from id: " + vals[0] + " to " + vals[1]); 
     } 
     else 
     { 
      System.out.println("no match"); 
     } 
     System.out.println("--------------------------------"); 
    } 

} 

は、メソッドへの3つのテストの呼び出しがあり、彼らは返す：

no match 
-------------------------------- 
found match from id: 855 to 993 
-------------------------------- 
found match from id: 855 to 993 
--------------------------------