从 java 中的多行文本中提取 key-value 对

Question

考虑以下多行字符串：

This is multiline text that needs to be correctly parsed into key-value pairs, excluding all other information.

 Section One:
    First key = Value One
    Second key = Value Two

 Section Two:   
    Third key = Value Three
    Fourth key = Value Four
    Fifth key = Value Five

 Section Three:
    Sixth key = Value Six
    Seventh key = Value Seven
    Eighth key = Value Eight

换句话说，文本由一个"introduction"（一些短语）组成，后面跟着多行，按部分组织，每个部分都有一个"header"（例如，Section One) 和多个 key-value 对，用 = 分隔。

键可以包含换行以外的任何字符，=，值可以包含换行以外的任何字符。

有时，文本中可能会出现其他不相关的行。

需要一个正则表达式，它将导致 matched.find() 到 return 所有 key-value 对组，并且只有那些，同时跳过介绍和部分 headers与没有 key-value 对的任何其他行一样。

理想情况下，不需要其他文本预处理或 post-processing。

阅读文本 line-by-line 并进行相应的处理不是这个用例的选项。

像 (?:\r|\n)(\s*[^=\.]+)\s*=\s*(.+) 这样的模式很接近，但它们仍然包含更多的要求。

有什么想法吗？

Answer 1

你快到了。只需将 \s* 更改为 <space>* 因为 \s 也匹配换行符。

(?:\r|\n) *([^\n=\.]+)(?<=\S) *= *(.+)

如果包含制表符，则将上面的space*改为[ \t]*。 (?<=\S) 断言匹配之前必须有非 space 字符的正后视。

DEMO

String s = "This is multiline text that needs to be correctly parsed into key-value pairs, excluding all other information.\n" + 
        "\n" + 
        " Section One:\n" + 
        "    First key = Value One\n" + 
        "    Second key = Value Two\n" + 
        "\n" + 
        " Section Two:   \n" + 
        "    Third key = Value Three\n" + 
        "    Fourth key = Value Four\n" + 
        "    Fifth key = Value Five\n" + 
        "\n" + 
        " Section Three:\n" + 
        "    Sixth key = Value Six\n" + 
        "    Seventh key = Value Seven\n" + 
        "    Eighth key = Value Eight";
Matcher m = Pattern.compile("(?:\r|\n)[\t ]*([^\n=\.]+)(?<=\S)[\t ]*=[\t ]*(.+)").matcher(s);
while(m.find())
{
    System.out.println("Key : "+m.group(1) + " => Value : " + m.group(2));
}

输出：

Key : First key => Value : Value One
Key : Second key => Value : Value Two
Key : Third key => Value : Value Three
Key : Fourth key => Value : Value Four
Key : Fifth key => Value : Value Five
Key : Sixth key => Value : Value Six
Key : Seventh key => Value : Value Seven
Key : Eighth key => Value : Value Eight

从 java 中的多行文本中提取 key-value 对

Extracting key-value pairs from multiline text in java

java

regex

key-value

matcher

keyvaluepair