细化java模式匹配函数以以不同的顺序打印，可能的链接列表操作

Question

在这一刻，我的代码如下所示。这很简单，它只是读取一个数据文件，然后抓取所有有趣的部分并打印出来。问题是，打印出来的方式是错误的，顺序是不正确的。

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class text_processing
{
    @SuppressWarnings("resource")
    public static void main(String[] args) throws IOException
    {
        String text; 
        BufferedReader br = new BufferedReader(new FileReader("/home/matthias/Workbench/SUTD/1_February/brute_force/items.csv"));

        while ((text = br.readLine()) != null) 
        {
            //the main character
            Pattern pat_0 = Pattern.compile( "『(.*?)』" );
            Matcher mat_0 = pat_0.matcher( text );
            if( mat_0.find() )
            {
                System.out.println( mat_0.group(1) );
            }
            //the pin yin
            Pattern pat_1 = Pattern.compile("class=\"\"pinyin\"\">(.*?)<script>(?:(?!<script>).)*");
            Matcher mat_1 = pat_1.matcher( text );
            if( mat_1.find() )
            {
                System.out.println( mat_1.group(1) );
            }
            //the ubiquitous radical 
            Pattern pat_2 = Pattern.compile( "<span class=\"\"b\"\">部首：</span>" ); 
            Matcher mat_2 = pat_2.matcher( text );
            if( mat_2.find() )
            {
                Pattern pat_3 = Pattern.compile("<span class=\"\"b\"\">部首：</span>(.*?)<span class=\"\"b\"\">");
                Matcher mat_3 = pat_3.matcher( text );
                if( mat_3.find() )
                {
                    System.out.println("部首：" + mat_3.group(1) );
                }
                //stroke count
                Pattern pat_4 = Pattern.compile(mat_3.group(1) + "<span class=\"\"b\"\">部首笔画：</span>(.*?)<span class=\"\"b\"\">");
                Matcher mat_4 = pat_4.matcher( text );
                if( mat_4.find() )
                {
                    System.out.println("笔画：" + mat_4.group(1) );
                }

            }
            else
            {
                //simple rad
                Pattern pat_5 = Pattern.compile("简体部首：</span>(.*?)<span class=\"\"b\"\">");
                Matcher mat_5 = pat_5.matcher( text );
                if( mat_5.find() )
                {
                    System.out.println("简体部首：" + mat_5.group(1) );

                    //stroke count
                    Pattern pat_6 = Pattern.compile(mat_5.group(1) + "<span class=\"\"b\"\">部首笔画：</span>(.*?)<span class=\"\"b\"\">");
                    Matcher mat_6 = pat_6.matcher( text );
                    if( mat_6.find() )
                    {
                        System.out.println("简体笔画：" + mat_6.group(1) );
                    }
                }

              //trad rad
                Pattern pat_7 = Pattern.compile("繁体部首：</span>(.*?)<span class=\"\"b\"\">");
                Matcher mat_7 = pat_7.matcher( text );
                if( mat_7.find() )
                {
                    System.out.println("繁体部首：" + mat_7.group(1) );

                    //stroke count
                    Pattern pat_8 = Pattern.compile(mat_7.group(1) + "<span class=\"\"b\"\">部首笔画：</span>(.*?)<span class=\"\"b\"\">");
                    Matcher mat_8 = pat_8.matcher( text );
                    if( mat_8.find() )
                    {
                        System.out.println("繁体笔画：" + mat_8.group(1) );
                    }
                }
            }

            //the decomposition
            Pattern pat_9 = Pattern.compile("#################,\" ]：(.*?)\\(");
            Matcher mat_9 = pat_9.matcher( text );
            if( mat_9.find() )
            {
                System.out.println("首尾分解: " + mat_9.group(1) );
            }
        }
    }
}

我无法控制数据的结构。

也许我可以使用某种LinkedList对象来填充，并且我可以在每次迭代时填写正确的顺序，最后打印出来。这说得通吗？如果是的话，那很好，但我不知道如何真正实现这样的东西。如果没有，还有什么更好呢？

当前的输出如下：

首尾分解: 占乂
卥
xī
简体部首：丨　
简体笔画：1　
繁体部首：卜　
繁体笔画：2　
首尾分解: 巛乙
巤
liè
部首：巛　
笔画：3　
首尾分解: 工页
项
xiàng
简体部首：页　
简体笔画：6　
繁体部首：頁　
繁体笔画：9　

我想让它看上去是：

卥
xī
首尾分解: 占乂
简体部首：丨　
简体笔画：1　
繁体部首：卜　
繁体笔画：2　

巤
liè
首尾分解: 巛乙
部首：巛　
笔画：3　

项
xiàng
首尾分解: 工页
简体部首：页　
简体笔画：6　
繁体部首：頁　
繁体笔画：9

数据的外观：

#######################," ]：占乂(zhancha)
","<table width=""620"" border=""0"" cellpadding=""0"" cellspacing=""0"">
<tr bgcolor=""#FFFFFF"">
<td width=""100""><div id=""zibg""><p class=""U5365""></p></div></td>
<td width=""510"" style=""padding-left:10px"">
<p class=""text15"">
『卥』 <br>
<span class=""b"">拼音：</span><span class=""pinyin"">xī<script>Setduyin('Duyin/xi1')</script></span>　<span class=""b"">注音：</span><span class=""pinyin"">ㄒㄧ<script>Setduyin('Duyin/xi1')</script></span><br>
<span class=""b"">简体部首：</span>丨　<span class=""b"">部首笔画：</span>1　<span class=""b"">总笔画：</span>8<br><span class=""b"">繁体部首：</span>卜　<span class=""b"">部首笔画：</span>2　<span class=""b"">总笔画：</span>8<br><span class=""b"">康熙字典笔画</span>( 卥:8； )
</p></td>
</tr>
</table>"
#######################," ]：巛乙(chuanyi)
","<table width=""620"" border=""0"" cellpadding=""0"" cellspacing=""0"">
<tr bgcolor=""#FFFFFF"">
<td width=""100""><div id=""zibg""><p class=""U5DE4""></p></div></td>
<td width=""510"" style=""padding-left:10px"">
<p class=""text15"">
『巤』 <br>
<span class=""b"">拼音：</span><span class=""pinyin"">liè<script>Setduyin('Duyin/lie4')</script></span>　<span class=""b"">注音：</span><span class=""pinyin"">ㄌㄧㄝˋ<script>Setduyin('Duyin/lie4')</script></span><br>
<span class=""b"">部首：</span>巛　<span class=""b"">部首笔画：</span>3　<span class=""b"">总笔画：</span>15<br><span class=""b"">康熙字典笔画</span>( 巤:15； )
</p></td>
</tr>
</table>"

Answer 1

但很明显，您没有预期的顺序:逐行读取文件，当然只有在第三个周期(在处理第一个和第二个循环之后)才能得到正确的pat0行。

您可能应该创建一个实用程序对象，它有助于解析后重新排列行。问题是如何在对其行进行排序时找到组标识符。我看不懂你的字母表，所以我不能帮你。

当您有一个“组id”时，您可以创建一个java.lang.Comparable对象，该对象使用组id和模式号，以便在将其放入Set时得到正确的顺序。在解析结束时，您可以打印出行。