Java PatternSyntaxException:无与伦比的结尾'(‘

Question

我需要删除在Twitter消息中找到的所有URL。我有一个文件，大约有20万这样的信息，所以速度是至关重要的！为此，我使用Java作为编程语言，下面是我的代码示例：

public String performStrip(){

    String tweet = this.getRawTweet();
    String urlPattern = "((https?|http)://(bit\\.ly|t\\.co|lnkd\\.in|tcrn\\.ch)\\S*)\\b";

    Pattern p = Pattern.compile(urlPattern,Pattern.CASE_INSENSITIVE);
    Matcher m = p.matcher(tweet);

    int i = 0;

    while (m.find()) {
        tweet = tweet.replaceAll(m.group(i),"").trim();
        i++;
    }

    return tweet;
}

在下列情况下，这是很好的：

http://t.co/nhWp9hldEH        -> (empty string)
http://t.co/nhWp9hldEH"       -> "
http://t.co/nhWp9hldEH)aaa"   -> aaa"
aaa(http://t.co/nhWp9hldEH"   -> aaa("
aaa(http://t.co/nhWp9hldEH)"  -> aaa()"

然而，当我谈到一个案件时，如下所示：

http://t.co/nhWp9hldEH)aaa"

我犯了个错误

java.util.regex.PatternSyntaxException: Unmatched closing ')' near index 21

http://t.co/nhWp9hldEH)aa

at java.util.regex.Pattern.error(Pattern.java:1924)
at java.util.regex.Pattern.compile(Pattern.java:1669)
at java.util.regex.Pattern.<init>(Pattern.java:1337)
at java.util.regex.Pattern.compile(Pattern.java:1022)
at java.lang.String.replaceAll(String.java:2210)
at com.anturo.preprocess.url.UrlStripper.performStrip(UrlStripper.java:47)
at com.anturo.preprocess.testing.ReadIn.<init>(ReadIn.java:35)
at com.anturo.preprocess.testing.Main.main(Main.java:6)

我已经研究过关于这个错误的多个类似的问题，但是到目前为止没有一个问题有效.希望有人能帮我。

Answer 1

问题是，您可能在URL中有regex特殊字符，如您所见。

简短的解决方案:使用Pattern.quote()。然后，您的代码将是：

tweet = tweet.replaceAll(Pattern.quote(m.group(i)),"").trim();

注意:只在JDK 1.5之后才可用，但是您确实使用了这个或更好，对吗？

另一个解决方案是简单地使用.replace()

tweet = tweet.replace(m.group(i), "").trim();

与其名称对.replaceAll()的含义不同，.replace()确实替换了所有的事件；它只是不以正则表达式作为替换字符串。另见.replaceFirst()。

最后但并非最不重要的是，您似乎在滥用.group()！您的循环应该是：

while (m.find())
    tweet = tweet.replace(m.group(), "").trim();

这里不需要i变量；对于一个匹配项，m.group(i)将返回正则表达式中捕获组i所匹配的内容。