我有一个大文本文件,大约200,000行单词翻译。我想保留在标签后面显示的翻译文本。
abaxial van osovine
abbacy opatstvo
abbaino kora
abbatial opatski
abbe opat
abbé opat
abbé sveæenik
hematological parameters hematološki pokazatelji
如何在第一个选项卡实例之前删除所有字符?
您可以使用此正则表达式匹配翻译前的所有内容:
.+? {2,}
在线试用这个正则表达式:https://regex101.com/r/P0TY1k/1
使用此正则表达式在您的字符串上调用replaceAll
。
yourString.replaceAll(".+? {2,}", "");
编辑:如果分隔符不是2个空格而是选项卡,您可以尝试使用此正则表达式:
.+?(?: {2,}|\t)
所以你可以使用正则表达式非常有效地进行字符串操作。
import java.util.regex.Matcher; import java.util.regex.Pattern;
公共类Main {
/**
* Splits the line related to translation into 2 groups by splitting it on
* two spaces " " and storing the splits into two named groups (key,
* value)</br>
* Group1 (key) is the text before the two spaces.</br>
* Group2 (value) is the text after the two spaces.</br>
*/
private static final Pattern TRANSLATION_PATTERN = Pattern.compile("<key>.*)\\s\\s+(<value>.*)");
public static String grabTextAfterTwoSpaces(String input) {
Matcher matcher = TRANSLATION_PATTERN.matcher(input);
/*
* You have to call .matches() for the regex to actually be applied.
*/
if (!matcher.matches()) {
throw new IllegalArgumentException(String.format("Provided input:[%s] did not contain two spaces", input));
}
return matcher.group("value");
}
public static void main(String[] args) {
System.out.println(grabTextAfterTwoSpaces("abaxial van osovine"));
System.out.println(grabTextAfterTwoSpaces("abbacy opatstvo"));
System.out.println(grabTextAfterTwoSpaces("abbaino kora"));
System.out.println(grabTextAfterTwoSpaces("abbatial opatski"));
System.out.println(grabTextAfterTwoSpaces("abbe opat"));
System.out.println(grabTextAfterTwoSpaces("abbé opat"));
System.out.println(grabTextAfterTwoSpaces("abbé sveæenik"));
System.out.println(grabTextAfterTwoSpaces("abbacy opatstvo"));
System.out.println(grabTextAfterTwoSpaces("hematological parameters hematološki pokazatelji"));
}
}
因此,如果您对该组使用“值”,您将获得2+空格后的所有内容。
轴
僧院
完成了
方丈
方丈
方丈
sveæenik
僧院
血液学指标