减少激进的懒散通配符

Question

我有几种模式，它们解析一个简单的文本文件以获取信息，并使用数据构建一个employee对象。有两种类型的雇员:全职和每小时。我依赖于延迟通配符来解析XML数据。我的主要问题是，懒散的通配符比预期的更具侵略性。全职薪资记录模式(patternPRF)延迟通配符从每小时的payRecord ( 2)开始，然后取下所有东西，直到它到达下一个payRecord。不管怎么说，我可以控制通配符，并说‘你走得太远了’或什么东西，以保持它仅限于所有的全职属性(monthlyIncome和月指标，而不是支付费用和支付率)？

待解析的文本文件：

<payRecord id="10">
    <EmployeeID>2</EmployeeID> //matcher.group(2) starts here
    <PayHours>30</PayHours>
    <PayRate>15</PayRate>
</payRecord>
<payRecord id="11">
    <EmployeeID>1</EmployeeID>
    <MonthlyIncome>3500</MonthlyIncome> //ends here
    <NumMonths>8</NumMonths>
</payRecord>
<payRecord id="12">
    <EmployeeID>3
    </EmployeeeID>
    <MonthlyIncome>5000</MonthlyIncome>
    <NumMonths>6</NumMonths>
</payRecord>

Regex模式：

text = text.replaceAll("\\s", ""); //remove all whitespace     

//payrecord hourly
patternPRH = Pattern.compile(
        "<payRecordid=\"(.*?)\">" //1 id
                + "<EmployeeID>(.*?)</EmployeeID>" //2 EmpID
                + "<PayHours>(.*?)</PayHours>" //3 payHours
                + "<PayRate>(.*?)</PayRate>" //4 payRate
);
//payrecord fulltime
patternPRF = Pattern.compile(
        "<payRecordid=\"(.*?)\">"//1 id 
                + "<EmployeeID>(.*?)</EmployeeID>"//2 EmployeeID <EmployeeID>2</EmployeeID>
                + "<MonthlyIncome>(.*?)</MonthlyIncome>"//3 MonthlyIncome
                + "<NumMonths>(.*?)</NumMonths>"//4 numMonths
);

顺便提一句，不幸的是，我不能使用任何XML解析类作为类需求的一部分。

Answer 1

我喜欢负判读。例如，[^"]*将匹配尽可能多的字符，这不是引号。

考虑使用这样的方法：

patternPRH = Pattern.compile(
    "<payRecordid=\"([^\"]*)\">" //1 id
    + "<EmployeeID>([^<]*)</EmployeeID>" //2 EmpID
    + "<PayHours>([^<]*)</PayHours>" //3 payHours
    + "<PayRate>([^<]*)</PayRate>" //4 payRate
);

Answer 2

为了避免这种情况，您可以将您的对手限制在

(\d+)

而不是

(.*?)

对于payRecordId，EmployeeID。

这样做，匹配组将只获取数字，并使您的regex工作与您的