[JAVA] Espressioni regolari stile xml

[Tecnomiky]

Sto creando un programma per gestire gli ebook, per gestirli creo un file txt con il nome dell'ebook.

Il file dove contenere qualcosa del genere:

<title>Mio libro</title><year>2012</year><home>Mia casa</home>

che espressione regolare dovrei usare per recuperare il contenuto tra <title></title> o tra <year></year>.

Ringrazio tutte le persone che mi aiuteranno.

[The_ouroboros]

cerca qualche lib gia pronta.
Estrarre da tag con sole regex è pericoloso..

[sottovento]

Scusa la fretta, ma oggi l'impianto sta facendo i capricci e devo fare una modifica molto pesante.
Per questo motivo, la regex che ti propongo l'ho provata solo usando vim, non Java:

\(<title>\)\([^<]*\)\(<\/title>\)

In questa regex do' per scontato che il simbolo "<" non possa comparire nel titolo. Mi sembra ragionevole, in quanto se realmente comparisse dovrebbe essere codificata, per esempio, con &lt;

Questa regex cerca le stringhe in formato <title>...</title> e suddivide la stringa trovata in 3 gruppi: il primo gruppo conterra' <title>, il secondo il titolo ed il terzo </title>

Per quanto ne so, Java puo' manipolare i gruppi (non l'ho mai provato, pero'), basta guardare qui:
http://docs.oracle.com/javase/tutori...ex/groups.html

Puoi quindi estrarre i dati dal secondo gruppo

[Tecnomiky]

Ho provato il codice di sottovento ma non funziona, comunque lo ringrazio per l'aiuto.

[sottovento]

Originariamente inviato da Tecnomiky

Ho provato il codice di sottovento ma non funziona, comunque lo ringrazio per l'aiuto.

Va aggiustata, ovviamente. In particolare i backslash.
Se non hai fretta lo posso fare stasera, quando torno a casa

[The_ouroboros]

Parsing XML with REGEX in Java

[Vincenzo1968]

Che casino 'ste regexp in Java!

Secondo me è meglio scriversi un bel pushdown automaton ad hoc.

Il codice viene un po' più lungo ma più leggibile, ma più efficiente.

[The_ouroboros]

non tantissimo.
Il fatto è che solo in Perl sono una parte del linguaggio.
Cmq anche il link consiglia di usare librerie apposite.
Il parsing xml è insidioso con regex

[VICIUS]

Originariamente inviato da Tecnomiky

Ho provato il codice di sottovento ma non funziona, comunque lo ringrazio per l'aiuto.

Prova questo. Dovrebbe andare:

import java.util.regex.Pattern;
import java.util.regex.Matcher;

public class Main {

    public static void main(String[] args) {
        String xml = "questa è la stringa xml con <title>Titolo</title> dentro";

        Pattern TITLE = Pattern.compile("<title>([^<]+)</title>");

        Matcher matcher = TITLE.matcher(xml);
        while (matcher.find()) {
            System.out.println("Titolo: " + matcher.group(1));
        }
    }
}

Ho tolto le parentesi attorno a <title> e </title> perché se non si deve catturare il testo o raggruppare non serve metterle. Poi ho sostituito il * con un + così cattura solo tag che hanno testo al loro interno.

[Vincenzo1968]

Praticamente bisognerà confrontare i tempi della soluzione proposta da Vicius col mio pushdown automaton.

Secondo me vince l'automa:

http://swtch.com/~rsc/regexp/regexp1.html

Naturalmente il confronto andrà fatto su un file di grosse dimensioni(o su tantissimi file di piccole-medie dimensioni).

Ne verrà fuori una sorta di mini-contest.

[Tecnomiky]

Ho provato ma mi esce questo

<title>Mio libro</title>

e la stringa contiene questo:

<title>Mio libro</title><year>2012</year><home>Mia casa</home>

[VICIUS]

Originariamente inviato da Tecnomiky

Ho provato ma mi esce questo

<title>Mio libro</title>

Se hai usato il codice che ho postato è impossibile che ritorni la stringa completa. Il capturing group è attorno al solo contenuto. NON può ritornarti anche i tag.

Posta il codice completo che hai usato e poi vediamo cosa hai sbagliato.

[Vincenzo1968]

http://expat.sourceforge.net/

http://www.xml.com/pub/a/1999/09/expat/index.html

[sottovento]

Originariamente inviato da VICIUS

Ho tolto le parentesi attorno a <title> e </title> perché se non si deve catturare il testo o raggruppare non serve metterle. Poi ho sostituito il * con un + così cattura solo tag che hanno testo al loro interno.

Si, sono un ragazzo ridondante
Cmq sono d'accordo, la regex deve funzionare cosi' com'e'.

@Tecnomiky - hai copiato correttamente il codice? Sembra che ti sia dimenticato di mettere l'1 nell'istruzione

System.out.println("Titolo: " + matcher.group(1));

[Tecnomiky]

Non avevo aggiunto l' 1 dentro alla parentesi del matcher.group

[sottovento]

Originariamente inviato da Vincenzo1968

Praticamente bisognerà confrontare i tempi della soluzione proposta da Vicius col mio pushdown automaton.

Secondo me vince l'automa:

http://swtch.com/~rsc/regexp/regexp1.html

Naturalmente il confronto andrà fatto su un file di grosse dimensioni(o su tantissimi file di piccole-medie dimensioni).

Ne verrà fuori una sorta di mini-contest.

Una regexpr praticamente E' la specifica di un automa!
Dunque, per fare un confronto dovresti scrivere un software che PRIMA accetti in ingresso un automa qualunque, specificato nel modo che vuoi tu, e poi ne confronti i tempi. Cosi' puoi vedere quanto le prestazioni dipendono dall'implementazione e non da restrizioni che hai imposto da una parte e non dall'altra

[Tecnomiky]

Comunque ho risolto grazie all'aiuto di sottovento. Si può chiudere

[Vincenzo1968]

Originariamente inviato da sottovento

Una regexpr praticamente E' la specifica di un automa!
Dunque, per fare un confronto dovresti scrivere un software che PRIMA accetti in ingresso un automa qualunque, specificato nel modo che vuoi tu, e poi ne confronti i tempi. Cosi' puoi vedere quanto le prestazioni dipendono dall'implementazione e non da restrizioni che hai imposto da una parte e non dall'altra

Si ma spesso sono implementate in maniera non ottimale. Vedi articolo postato

Io dico che con una implementazione ad hoc, senza dunque dover creare al volo l'automa per una generica regexp, il programma(in Java stesso, non in C) sarebbe più efficiente.

[Vincenzo1968]

Originariamente inviato da Tecnomiky

Comunque ho risolto grazie all'aiuto di sottovento. Si può chiudere

Ah ok.

[sottovento]

Originariamente inviato da Vincenzo1968

Si ma spesso sono implementate in maniera non ottimale. Vedi articolo postato

Io dico che con una implementazione ad hoc, senza dunque dover creare al volo l'automa per una generica regexp, il programma(in Java stesso, non in C) sarebbe più efficiente.

Ho capito di non aver capito: se voglio cercare una determinata stringa data in ingresso dall'utente, e tale stringa e' una regexp, cosa proponi di fare?