书接上一回：
实例三：
数据提取
要求：从一段HTML代码中提取出所有的email地址和< a href...>tag中的链接地址
public   class  HtmlTest {
public   static   void  main(String[] args) {
String htmlText =  ""
+  "163test\n"
+  "163news\n"
+  "163lady\n"
+  "网易体育\n"
+  "网易×××\n"
+  ".leemaster@163"  +  "luckdog.com"  +  "" ;
System. out .println( "开始检查email" );
for  (String email :  extractEmail (htmlText)) {
System. out .println( "邮箱是:"  + email);
}
System. out .println( "开始检查超链接" );
for  (String link :  extractLink (htmlText)) {
System. out .println( "超链接是:"  + link);
}
}
private   static  List extractLink(String htmlText) {
List result =  new  ArrayList();
Pattern p = Pattern. compile (Regexes. HREF_LINK_REGEX );
Matcher m = p.matcher(htmlText);
while  (m.find()) {
result.add(m.group());
}
return  result;
}
private   static  List extractEmail(String htmlText) {
List result =  new  ArrayList();
Pattern p = Pattern. compile (Regexes. EMAIL_REGEX );
Matcher m = p.matcher(htmlText);
while  (m.find()) {
result.add(m.group());
}
return  result;
}
}
public   class  Regexes {
public   static   final  String  EMAIL_REGEX  = 
"(?i)(?<=\\b)[a-z0-9][-a-z0-9_.]+[a-z0-9]@([a-z0-9][-a-z0-9]+\\.)+[a-z]{2,4}(?=\\b)" ;
public   static   final  String  HREF_LINK_REGEX  
=  "(?i)]+)['\"\\s>]" ;
}
运行结果：
开始检查email
邮箱是:[email protected]
邮箱是:[email protected]
邮箱是:[email protected]
开始检查超链接
超链接是:
超链接是:
超链接是:
超链接是:
超链接是:
实例四：
查找重复单词
要求：查找一段文本中是否存在重复单词，如果存在，去掉重复单词。
public   class  FindWord {
public   static   void  main(String[] args) {
String[] sentences =  new  String[] {  "this is a normal sentence" ,
"Oh,my god!Duplicate word word" ,
"This sentence contain no duplicate word words"  };
for (String sentence:sentences){
System. out .println( "校验句子:" +sentence);
if ( containDupWord (sentence)){
System. out .println( "Duplicate word found!!" );
System. out .println( "正在去除重复单词" + removeDupWords (sentence));
}
System. out .println( "" );
}
}
private   static  String removeDupWords(String  sentence ) {
String regex = Regexes. DUP_WORD_REGEX ;
return   sentence .replaceAll(regex, "$1" );
}
private   static   boolean  containDupWord(String sentence) {
String regex = Regexes. DUP_WORD_REGEX ;
Pattern p = Pattern. compile (regex);
Matcher m = p.matcher(sentence);
if (m.find()){
return   true ;
} else {
return   false ;
}
}
}
public   class   Regexes  {
public   static   final  String  DUP_WORD_REGEX  
=  "(?<=\\b)(\\w+)\\s+\\1(?=\\b)" ;
}
运行结果：
校验句子:this is a normal sentence
校验句子:Oh,my god!Duplicate word word
Duplicate word found!!
正在去除重复单词Oh,my god!Duplicate word
校验句子:This sentence contain no duplicate word words
 
未完待续。。。