1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 | import java.util.regex.Matcher;import java.util.regex.Pattern;....while(true){ String str = bf.readLine(); if(str == null) break; if(str.length() == 0) pw.println(); str = this.removeTag(str); System.out.println(str);}....public String removeTag(String str){ Matcher mat; // script 처리 Pattern script = Pattern.compile("<(no)?script[^>]*>.*?</(no)?script>",Pattern.DOTALL); mat = script.matcher(str); str = mat.replaceAll(""); // style 처리Pattern style = Pattern.compile("<style[^>]*>.*</style>",Pattern.DOTALL); mat = style.matcher(str); str = mat.replaceAll(""); // tag 처리 Pattern tag = Pattern.compile("<(\"[^\"]*\"|\'[^\']*\'|[^\'\">])*>"); mat = tag.matcher(str); str = mat.replaceAll(""); // ntag 처리 Pattern ntag = Pattern.compile("<\\w+\\s+[^<]*\\s*>"); mat = ntag.matcher(str); str = mat.replaceAll(""); // entity ref 처리Pattern Eentity = Pattern.compile("&[^;]+;"); mat = Eentity.matcher(str); str = mat.replaceAll("");// whitespace 처리 Pattern wspace = Pattern.compile("\\s\\s+"); mat = wspace.matcher(str); str = mat.replaceAll(""); return str ; } |
JAVA 에서도 정규표현식을 이용하여 패턴매칭이 가능하다.
다음은 정규표현식을 사용하여, 숫자와 영문을 제거하는 소스코드이다.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 | import java.util.regex.*;.... private String removeChar(String inp){ // 띄어쓰기 제거 String tmp = inp.replaceAll(" ", ""); // 숫자 제거 tmp = this.removeRex("[0-9]", tmp); // 영문 제거 tmp = this.removeRex("[a-zA-Z]", tmp); return tmp; } // 패턴 제거 private String removeRex(String rex, String inp){ Pattern numP = Pattern.compile(rex); Matcher mat = numP.matcher(""); mat.reset(inp); inp = m.replaceAll(""); return inp ; } |
매칭된 부분을 출력
1 2 3 4 5 6 7 8 9 10 11 | Pattern script = Pattern.compile("\\[.*\\]$"); mat = script.matcher(str); while(mat.find()){ System.out.println(mat.group());} |
StackOverflowError
위의 소스를 돌리다 보면 위와같은 에러가 뜬다.
그 이유는, 태그를 잘라낼 문자열의 길이가 너무 클때 생긴다고 한다. 해결방법은 없는듯하다.
문자열을 잘라내서 분류를 하던 해야하겠다.
JAVA CentOS JDK 설치 및 환경변수 설정
