保护URL斜杠并消除文本中的其他斜杠

Question

我有一根这样的绳子

在修建一条通往http://www.bbc.com/news/的铁路时，5具/爱尔兰人/移民/“被霍乱杀害”的身体

我试着用下面的方法去除斜杠

replaceAll("/","");

我得到的是

在1832年修建一条通往http:www.bbc.comnews的铁路时，5名爱尔兰移民的身体被霍乱杀害。

我想保留URL斜杠，但希望去掉文本中的其他斜杠。如有任何建议，将不胜感激。

Answer 1

似乎你只想删除斜杠，这是在开始或结束的话。所以这样的斜线需要

• 在此之前有空间
• 后有空间
• 放在字符串的开头。
• 放在字符串的末尾

这种方法有一个潜在的缺陷，就是删除像http://www.some.address/这样的URL地址中的最后一个斜杠就会变成http://www.some.address。

如果这就是你想要的，你可以尝试使用环顾四周机制，

replaceAll("(?<=\\s|^)/|/(?=\\s|$)", "")

会改变的

Bodies of 5 /Irish/ immigrants /'murdered and killed by cholera' 
while building a railroad/ in 1832 to http://www.bbc.com/news/

转到

Bodies of 5 Irish immigrants 'murdered and killed by cholera' 
while building a railroad in 1832 to http://www.bbc.com/news
                                                            ^as you see it also 
                                                             removed last slash 
                                                             in this url

在URL问题中删除最后一个/的方法是先使regex匹配URL并将其替换为自己。这将防止从这个URL斜杠再次匹配(测试)，因为有空格或开始字符串之前或有空格或结束字符串之后。

我是说形式上的regex

(matchesURL)|matchesSlashesAtStartOfWord|matchesSlashesAtEndOfWord

对于这样的正则表达式，由/匹配的(matchesURL)将无法再由matchesSlashesAtStartOfWord|matchesSlashesAtEndOfWord匹配。

所以你可以用这样的方法

replaceAll("(https?://[^/]+(/[^/]+)*/?)|(?<=\\s|^)/|/(?=\\s|$)", "$1")

它将首先匹配urls，将它们放入第1组，并替换为第1组$1的内容。由于regex (?<=\\s|^)/|/(?=\\s|$)的其他情况不能在第1组中放置任何东西，因此$1将为空，因此您将用空替换该/ (您将删除它们)。

演示

String data = "Bodies of 5 /Irish/ immigrants /'murdered and killed by cholera' \r\nwhile building a railroad/ in 1832 to http://www.bbc.com/news/";
System.out.println(data);
System.out.println();
System.out.println(data.replaceAll("(https?://[^/]+(/[^/]+)*/?)|(?<=\\s|^)/|/(?=\\s|$)", "$1"));

输出

Bodies of 5 /Irish/ immigrants /'murdered and killed by cholera' 
while building a railroad/ in 1832 to http://www.bbc.com/news/

Bodies of 5 Irish immigrants 'murdered and killed by cholera' 
while building a railroad in 1832 to http://www.bbc.com/news/

Answer 2

这是一个病态的例子。记住，Regexs只是收集模式，所以最好的模式将取决于您的数据。

例如，在您提供的字符串中，regex：[^:/m]/就足够了。然而，这也忽略了任何文本中"m“之后的任何斜杠。这不太好，除非你知道你所有的斜杠都不是在“m”之后。

对于这个例子，我建议分离URL。如果您知道URL总是在末尾，您可以拆分字符串，只在文本上运行替换，而不是URL。

像这样的东西可能对你很管用。

String s是我们病态的标题

String text = s.replace("http.*","");
String url = s.replace(".*http","http");
text = text.replace("/","");
text = text + " " + url;

这将保存除了url到text的所有东西，只将url保存到url，然后清除text，并将url追加到末尾。