Java正規表達式 url和email并進行分割

首先說明，本人研一新生，程式設計開發經曆較少，如有不對，還望各位大神多多指教！

最近在做關于英文PDF翻譯為中文PDF的項目。其中，機器翻譯接口不能識别url和Email，需要本地将URL和Email進行提取，之後将内容分割，把非URL和Email送入機器翻譯的接口中。

在識别URL和Email上，我選擇的是正規表達式，其中比對的URL和Email如下：

識别Email ：(-|(\\w)|(\\.))[email protected][a-zA-Z0-9_-]+(\\.[a-zA-Z0-9_-]+)+

識别URL：(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]

具體執行個體代碼如下：

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public boolean url(String url){

Pattern pattern = Pattern.compile("^(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]$");

Matcher matcher = pattern.matcher(url);

if(matcher.find()){

return true;

}

else {

return false;

}

}

其中\w是比對[a-zA-Z0-9_]，即英文大小寫，數字，和下劃線

補充：.比對除\n以外的任意字元

    \s比對包括\n在内的任意字元

好了，介紹完基礎部分，想說一說關于對URL和Email的提取分割，即：

輸入：This is my email [email protected],and if you have something wrong ,please connect me in time.And It's very useful website http://www.csdn.net.

輸出：This is my email 

    [email protected]

            ,and if you have something wrong ,please connect me in time.And It's very useful website 

     http://www.csdn.net.

想要實作以上，首先得清楚Matcher中的group

matcher.group(int index) , index表示第幾個括号，預設值為0，即整個句子内容，1代表第一個括号，matcher.start(int index)和matcher.end(int index)分别表示第index括号内第一個字元的位置，和最後一個字元的位置。

以email為中間，進行分割的代碼如下：

public List<String> regexEmail(String email){

List<String> groups = new ArrayList<String>();

Pattern pattern = Pattern.compile("^(.*)( (-|(\\w)|(\\.))[email protected][a-zA-Z0-9_-]+(\\.[a-zA-Z0-9_-]+)+)(.*)$");

        Matcher matcher = pattern.matcher(email);

        if(matcher.find()){  

            int start = matcher.start(2);

            int end = matcher.end(2);

            groups.add(email.substring(0 , start));

            groups.add(email.substring(start, end));

            groups.add(email.substring(end , email.length()));

        }      

        return groups;

}

這樣，根據遞歸我們就可以對任意字元串進行url和email的分割，代碼如下：

public void regex(String text){

List<String> temp = new ArrayList<>();

//啥都沒有

if(regexEmail(text).size() == 0 && regexURL(text).size() == 0){

ans.add(text);

}

//隻有email

else if (regexEmail(text).size() > 0  && regexURL(text).size() == 0) {

temp = regexEmail(text);

ans.add(temp.get(2));

ans.add(temp.get(1));

regex(temp.get(0));

}

//隻有url

else if (regexEmail(text).size() == 0 && regexURL(text).size() > 0){

temp = regexURL(text);

ans.add(temp.get(2));

ans.add(temp.get(1));

regex(temp.get(0));

}

//email和url都有

else {

temp = regexEmail(text);

regex(temp.get(2));

ans.add(temp.get(1));

regex(temp.get(0));

}

}