java - 拆分METAR/TAF

我得到以下输入，我想分为四个部分:

-
KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008
TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060 BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035
KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010
TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

是METAR，然后是TAF，然后是METAR，然后是TAF。

输入规则:

机场代码可以更改，但应始终为3或4个字母。

METARS将以机场代码或“SPECI”开头，后接机场代码(SPECI KPDX)。

TAF将以机场代码或“TAF AMD”开头，然后是机场代码(TAF AMD KPDX)。

在任何报告中，机场代码将始终跟着日期时间戳记。

在TAF中，日期时间戳记后面总是有效时间(例如0215/0318)。

可能只有2个报告，或者多于4个报告。

任何报告都只能是一行。

我想自己获取每个报告，因此我在以下代码中使用regex ^(\\w+.*?)(?:^\\b|\\Z):

ArrayList<String> reports = new ArrayList<String>();
Pattern pattern = Pattern.compile( "^(\\w+.*?)(?:^\\b|\\Z)", Pattern.DOTALL|Pattern.MULTILINE );
Matcher matcher = pattern.matcher( input );
while( matcher.find() )
    reports.add( new String( matcher.group( 1 ).trim() ) );

效果很好，我得到4个结果:

1:

KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008

TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060 BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035

KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010

TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

我遇到了我的正则表达式失败的情况。有时，一条TAF线会运行得太长并且会被缠绕(我对此无能为力)，因此它看起来像(请注意“TAF AMD PDX”正下方的“BKN150”):

-
KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008
TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060
BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035
KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010
TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

发生这种情况时，我得到5个结果:

1:

KPDX 021453Z 16004KT 10SM FEW007 SCT060 BKN200 11/09 A3002 RMK
     AO2 SLP166 T01060094 55008

TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060

BKN150
     FM021800 11005KT P6SM SCT050 OVC100
     FM022200 11007KT P6SM -RA OVC050
     FM030500 12005KT P6SM -RA OVC035

KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
     SLP168 60000 T01110089 58010

TAF AMD KSEA 021501Z 0215/0318 14004KT P6SM SCT020 BKN150
     FM021800 16005KT P6SM SCT025 OVC090
     FM030100 19005KT P6SM OVC070
     FM030200 15005KT P6SM -RA OVC045
     FM030600 16007KT P6SM -RA BKN025 OVC045

谁能找出能正确分割这种奇怪情况的正则表达式？或者，我可以尝试在运行正则表达式之前删除输入字符串中的问题换行符，但是我不知道如何检测到它。

最佳答案

您可以从以字母开头的行开始。然后收集至少一行以五个空格开头的行(您可以轻松地将该条件放宽为至少一个空白字符或其他内容)。然后转到下一个以单词字符开头的行。

"^(\\w+.*?^[ ]{5}.*?)(?:^\\b|\\Z)"

空格周围的[]并不是必需的，但出于可读性考虑，我希望将其包括在内。如果只想断言一行以任何空格开头，请将[ ]{5}替换为\\s。

请注意，您不必使用捕获组。前瞻性操作将确保您结束于新报告或文件末尾的位置:

"^\\w+.*?^[ ]{5}.*?(?=^\\b|\\Z)"

这会稍微提高效率，并稍微清理一下以下代码(因为您可以使用完全匹配而不是检索组。

更新:

为了适应单行报告的可能性(通常)，更改结束条件^\\b以匹配新报告的开始甚至更加容易。根据注释中给出的格式描述，可以使用:

"^\\w+.*?(?=^(?:SPECI\\s|TAF\\sAMD\\s)?[A-Z]{3,4}\\s\\d+Z|\\Z)"

这需要新的报告以“可选SPECI”-“3或4个字母”-“时间戳”或“可选TAF AMD”-“3或4个字母”-“时间戳”开头。

关于java - 拆分METAR/TAF，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/13202096/