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:
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
2:
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
3:
KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
SLP168 60000 T01110089 58010
4:
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
2:
TAF AMD KPDX 021453Z 0215/0312 10005KT P6SM FEW006 SCT060
3:
BKN150
FM021800 11005KT P6SM SCT050 OVC100
FM022200 11007KT P6SM -RA OVC050
FM030500 12005KT P6SM -RA OVC035
4:
KSEA 021453Z 15003KT 10SM FEW035 BKN180 11/09 A3001 RMK AO2
SLP168 60000 T01110089 58010
5:
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/