减去部分文字

Question

我有这个代码

public void descargarURL() {
    try{
        URL url = new URL("https://www.amazon.es/MSI-Titan-GT73EVR-7RD-1027XES-Ordenador/dp/B078ZYX4R5/ref=sr_1_1?ie=UTF8&qid=1524239679&sr=8-1");
        BufferedReader lectura = new BufferedReader(new InputStreamReader(url.openStream()));
        File archivo = new File("descarga2.txt");
        BufferedWriter escritura = new BufferedWriter(new FileWriter(archivo));
        BufferedWriter ficheroNuevo = new BufferedWriter(new FileWriter("nuevoFichero.txt"));
        String texto;

        while ((texto = lectura.readLine()) != null) {
            escritura.write(texto);

            }
        lectura.close();
        escritura.close();
        ficheroNuevo.close();
        System.out.println("Archivo creado!");
        //}

    }
    catch(Exception ex) {
        ex.printStackTrace();
    }
}
public static void main(String[] args) throws FileNotFoundException, IOException {
    Paginaweb2 pg = new Paginaweb2();
    pg.descargarURL();
}

}

而且我想从 URL 中删除参考部分 B078ZYX4R5，以及这个实体 /

在保存在文本文件中的 html 之后，有一部分代码具有 *"<div id =" cerberus-data-metrics "style =" display: none; "data-asin =" B078ZYX4R5 "data-as-price = "1479.00" data-asin-shipping = "0" data-asin-currency-code = "EUR" data-substitute-count = "0" data-device-type = "WEB" data-display-code = "Asin is not eligible because it has a retail offer "> </ div>"*，我只想从那里获取价格 1479.00，包含在标签"data-as-price = "

中

我不想使用外部库，我知道可以通过拆分、索引和子字符串来完成

谢谢！！！

Answer 1

您可以使用正则表达式解决这两个任务。然而，对于第二个任务（从 HTML 中提取价格），您可以使用 JSOUP，它更适合从 HTML.

中提取内容

以下是针对您的任务的一些基于正则表达式的可能解决方案：

1。更改 URL

private static String modifyUrl(String str) {
    return str.replaceFirst("/[^/]+(?=/ref)", "");
}

这只是使用正则表达式的替换 (?=/ref)（参见 https://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html）

提取价格

private static Optional<String> extractPrice(String html) {
    Pattern pat = Pattern.compile("data-as-price\s*=\s*[\"'](?<price>.+?)[\"']", Pattern.MULTILINE);
    Matcher m = pat.matcher(html);
    if(m.find()) {
        String price = m.group("price");
        return Optional.of(price);
    }
    return Optional.empty();
}

在这里您也可以使用正则表达式 (data-as-price\s*=\s*["'](?<price>.+?)["']) 来定位价格。使用命名组 ((?<price>.+?))，您可以提取价格。

我在这里返回一个Optional，以便您处理找不到价格的情况。

下面是两种方法的简单测试用例：

public static void main(String[] args) throws IOException {
    String str = "https://www.amazon.es/MSI-Titan-GT73EVR-7RD-1027XES-Ordenador/dp/B078ZYX4R5/ref=sr_1_1?ie=UTF8&qid=1524239679&sr=8-1";
    System.out.println(modifyUrl(str));
    String html = "<div id =\" cerberus-data-metrics \"style =\" display: none; \"data-asin =\" B078ZYX4R5 \"data-as-price = \"1479.00\" data-asin-shipping = \"0\" data-asin-currency-code = \"EUR\" data-substitute-count = \"0\" data-device-type = \"WEB\" data-display-code = \"Asin is not eligible because it has a retail offer \"> </ div>";
    extractPrice(html).ifPresent(System.out::println);
}

如果你运行这个简单的测试用例，你将在控制台上看到这个输出：

https://www.amazon.es/MSI-Titan-GT73EVR-7RD-1027XES-Ordenador/dp/ref=sr_1_1?ie=UTF8&qid=1524239679&sr=8-1
1479.00

更新

如果您想从 URL 中提取引用，您可以使用与用于提取价格的代码类似的代码来完成。这是一个从模式中提取特定命名组的方法：

private static Optional<String> extractNamedGroup(String str, Pattern pat, String reference) {
    Matcher m = pat.matcher(str);
    if (m.find()) {
        return Optional.of(m.group(reference));
    }
    return Optional.empty();
}

那你就可以用这个方法提取reference和price了：

private static Optional<String> extractReference(String str) {
    Pattern pat = Pattern.compile("/(?<reference>[^/]+)(?=/ref)");
    return extractNamedGroup(str, pat, "reference");
}

private static Optional<String> extractPrice(String html) {
    Pattern pat = Pattern.compile("data-as-price\s*=\s*[\"'](?<price>.+?)[\"']", Pattern.MULTILINE);
    return extractNamedGroup(html, pat, "price");
}

您可以使用以下方法测试上述方法：

public static void main(String[] args) throws IOException {
    String str = "https://www.amazon.es/MSI-Titan-GT73EVR-7RD-1027XES-Ordenador/dp/B078ZYX4R5/ref=sr_1_1?ie=UTF8&qid=1524239679&sr=8-1";
    extractReference(str).ifPresent(System.out::println);
    String html = "<div id =\" cerberus-data-metrics \"style =\" display: none; \"data-asin =\" B078ZYX4R5 \"data-as-price = \"1479.00\" data-asin-shipping = \"0\" data-asin-currency-code = \"EUR\" data-substitute-count = \"0\" data-device-type = \"WEB\" data-display-code = \"Asin is not eligible because it has a retail offer \"> </ div>";
    extractPrice(html).ifPresent(System.out::println);
}

这将打印：

B078ZYX4R5
1479.00

更新 2：使用 URL

如果你想使用java.net.URL class来帮助你缩小搜索范围，你可以这样做。但是您不能使用此 class 进行完全提取。由于您要提取的令牌位于 URL 路径中，因此您可以提取该路径，然后应用上述正则表达式进行提取。

以下是您可以用来缩小搜索范围的示例代码：

public static void main(String[] args) throws IOException {
    String str = "https://www.amazon.es/MSI-Titan-GT73EVR-7RD-1027XES-Ordenador/dp/B078ZYX4R5/ref=sr_1_1?ie=UTF8&qid=1524239679&sr=8-1";
    URL url = new URL(str); 
    extractReference(url.getPath() /* narrowing the search scope here */).ifPresent(System.out::println);
    String html = "<div id =\" cerberus-data-metrics \"style =\" display: none; \"data-asin =\" B078ZYX4R5 \"data-as-price = \"1479.00\" data-asin-shipping = \"0\" data-asin-currency-code = \"EUR\" data-substitute-count = \"0\" data-device-type = \"WEB\" data-display-code = \"Asin is not eligible because it has a retail offer \"> </ div>";
    extractPrice(html).ifPresent(System.out::println);
}

减去部分文字

subtract part of text

java

split

substring

indexof

1。更改 URL

提取价格

更新

更新 2：使用 URL