JAVA总结(五)：多行匹配正则表达式的两种解析方法_正则表达式匹配多行日志_蚁方阵的博客

方法一：跨行解析

对于跨行解析，首先需要解决的问题是如何匹配换行符，在大部分的应用场景下，可利用“\s”轻松解决问题，但如果要利用“.”匹配换行符，这时候就需要使用DOTALL模式，如下：
//  里面带有换行符
String testTxt = "1 个文件     59,629,625 字节\r\n7 个目录 41,259,528,192 可用字节";
//  (?s)与DOTALL模式相等
Pattern pat = Pattern.compile("(?s)^(\\d+)\\s个文件\\s+([0-9,]+)\\s+字节\\s(.*)$");
//  判断正则表达式是否匹配
if(mat.matches()) {
    System.out.print(mat.group(2));
    System.out.print(mat.group(3));
在上面的例子中，我们发现“\r\n”会被当作两个字符，所以必须要使用“\s+”进行匹配，否则将会被划归到“(.*)”分组中。 
此外，上面的例子也说明正则表达式可以匹配多行字符，需要注意的是，此时并不需要启用多行模式（“(?m)”或MULTILINE）。 
方法二：逐行匹配 
在此种模式下，我们必须要启动多行模式，这样^和$字符不仅能匹配输入序列的开始（据我多次测试，好像并不能匹配开始，待进一步证明）与结束，还能匹配每行的开始与结束，如下： 
//  请注意起头的\n字符
String testTxt = "\n1 个文件     59,629,625 字节\r\n7 个目录 41,259,528,192 可用字节";
//  (?m)代表启动多行模式
Pattern pat = Pattern.compile("(?m)^(\\d+)\\s个(?:文件|目录)\\s+([0-9,]+)\\s(?:可用)?字节$");
        Matcher mat = pat.matcher(testTxt);
//  提取文件数量与字节数量
while(mat.find()) {
    System.out.println(mat.group(1));
    System.out.println(mat.group(2));
在上面的例子中，正则表达式将会寻找输入序列的每行开始与结束，然后依次进行匹配，如果并不需要特别关注每行的开始与结束，可以去掉^、$标识符，依旧能够顺利匹配，如下： 
Pattern pat = Pattern.compile("(\\d+)\\s个(?:文件|目录)\\s+([0-9,]+)\\s(?:可用)?字节"); 
利用多行匹配，可以提升正则表达式的解析效率与适用范围，尤其要关注启用多行模式后的差异性。
                                    日志收集的时候多行日志一直是一个比较头疼的问题，开发人员并不愿意将日志以 JSON 的方式进行输出，那么就只能在收集日志的时候去重新对日志做下结构化了。由于日志采集器的实现方式和标准不一样，所以具体如何处理多行日志不同的采集器也会不一样的，比如这里我们使用 Fluentd 来作为日志采集器，那么我们就可以使用  这个解析器来处理多行日志。多行解析器使用  和  参数解析日志， 用于检测多行日志的起始行。，其中 N 的范围是 ，是多行日志的  格式列表。比如现在我们有如下所示的多行日志数据：
首先创建一个  
                                    Matcher类提供了多个方法来进行匹配操作，例如find()方法用于查找下一个匹配项，group()方法用于获取匹配项的字符串表示。在上面的代码中，我们使用find()方法查找输入字符串中的下一个匹配项，并使用group()方法获取匹配项的字符串表示。replaceFirst()方法会替换第一个匹配项，而replaceAll()方法会替换所有匹配项。在上面的代码中，我们使用replaceFirst()方法将第一个匹配项替换为指定的字符串，并使用replaceAll()方法将所有匹配项替换为指定的字符串。
                                    grep是Linux中用于文本处理的最有用和功能最强大的命令之一。 grep在一个或多个输入文件中搜索与正则表达式匹配的行，并将每条匹配的行写入标准输出。在本文中，我们将探讨在grep的GNU版本中如何使用正则表达式的基础，大多数Linux操作系统默认情况下都提供此功能。Grep正则表达式正则表达式或正则表达式是与一组字符串匹配的模式。模式由运算符，构造文字字符和元字符组成，它们具有特殊的含义。 ...
                                    Codec 是 logstash 从 1.3.0 版开始新引入的概念(Codec来自Coder/decoder 两个单词的首字母缩写)。在此之前，logstash 只支持纯文本形式输入，然后以过滤器处理它。但现在，我们可以在输入期处理不同类型的数据，这全是因为有了 codec 设置。所以，这里需要纠正之前的一个概念。Logstash 不只是一个input | filter | output...
                                    正则表达式基础知识请参阅《正则表达式基础知识》，本文使用正则表达式来匹配多行日志并从中解析出相应的信息。假设现在有这样的SQL日志：SELECT * FROM open_app WHERE 1 and `client_id` = 'a08f5e32909cc9418f' and `is_valid` = '1' order by id desc limit 32700,100;# Time: 16...
                                    理解得到的题目：跨行匹配(将整篇文章当作一个长字符串)，将cat和dog之间的，最长的，内容提取出来，且其中不包含high和low。实现代码(一行perl解决)：perl -pe ' s:\n::g; s:(high|low):\n$1:;' txt1.bak | perl -ne 'print $1."\n" if /cat(.*)dog/' >success结果保存在success文件中...
                                    Pattern.compile("'.*?'", Pattern.CASE_INSENSITIVE | Pattern.DOTALL); 
转载于:https://www.cnblogs.com/ghostr/p/9888664.html
                                    多行文本文件转列表解析成字典方法，多行字典#文本内容 Rain 80000\n Egon 50000\n Yuan 30000\nsalary = open("salaryinfo.txt", "r+", encoding="UTF-8")salary_list = []    #定义一个新的列表值。for line in salary.readlines():salary_list.append...
                                    展开全部importjava.io.BufferedReader;importjava.io.File;importjava.io.FileInputStream;importjava.io.FileNotFoundException;importjava.io.FilenameFilter;importjava.io.IOException;importjava.io.InputS...
                                    需求针对tab键带来的多个空格问题，有时候我们针对带空格的一行数据要进行切割，如果有多个空格就会出现就会切割空格出现，我们想把空格都去掉，所以需要用到某些方法。解决方案利用正则表达式来匹配空格\\s+首先利用split(“\\s+”);方法来对字符串切割，尽可能的匹配空格，这里也挺有意思，因为空格数目不一样，可以动态变换匹配的空格数量，这个实现原理可以看看底层原理，挺有意思。