从一段文字中提取出uri信息
Posted Nucky_yang
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了从一段文字中提取出uri信息相关的知识,希望对你有一定的参考价值。
package handle.groupby; import java.io.BufferedReader; import java.io.BufferedWriter; import java.io.FileNotFoundException; import java.io.FileReader; import java.io.FileWriter; import java.io.IOException; import java.io.Reader; import java.io.Writer; import java.util.regex.Matcher; import java.util.regex.Pattern; import org.mockito.asm.tree.IntInsnNode; public class GetUrlFromString { @SuppressWarnings("resource") public static void main(String[] args) throws IOException { String line=""; Pattern pattern = Pattern.compile("([\\w.]{1}[\\w\\/.\\s]*[\\w]{1})",Pattern.CASE_INSENSITIVE); BufferedReader r= new BufferedReader(new FileReader(args[0])); BufferedWriter w=new BufferedWriter(new FileWriter(args[1])) ; while ((line=r.readLine())!=null) { String source = line; Matcher matcher = pattern.matcher(source); while(matcher.find()){ // System.out.println(matcher.group(matcher.groupCount())); String url=matcher.group(matcher.groupCount()); if (url.contains(".")) { String resUrl=""; String resUrl2=""; if (url.contains("/")) {
//这个判断是为了提取出短域名的网站级访问访问信息,不需要可以删掉。
//例如从:汉字汉字汉字t.cn/RVIIIj8汉字汉字 中提取出 t.cn/RVIIIj8而不是t.cn int i =url.lastIndexOf("/"); int i2 =url.indexOf("/"); if (i==i2) { resUrl=url; }else { resUrl =url.split("/")[0]; } }else { resUrl=url; } //去空格 resUrl= resUrl.replaceAll(" ", ""); w.write(source+"|"+resUrl); w.write("\r\n"); } } } r.close(); w.flush(); w.close(); System.out.println("执行完毕"); } }
以上是关于从一段文字中提取出uri信息的主要内容,如果未能解决你的问题,请参考以下文章