Usuwanie URL z tekstu przy użyciu języka Java

Question

jak usunąć w teraźniejszości URL w przykładzie tekstu https://stackoverflow.com/posts/12684739/edit-submit/64cdc173-a15f-4a54-bfbb-6701a199642b String str = „psychoza strachu po #AssamRiots - http://t.co/LdEbWTgDhttp://t.co/mksVZKBz”;

za pomocą wyrażenia regularnego.

Chcę usunąć cały adres URL w tekście. ale to nie działa

mój kod jest

String pattern = "(http(.*?)\\s)"; 
Pattern pt = Pattern.compile(pattern); 
Matcher namemacher = pt.matcher(input); 
if (namemacher.find()) { 
    str=input.replace(namemacher.group(0), ""); 
} 

Answer 1

Wprowadź String który zawiera adres URL

private String removeUrl(String commentstr) 
    { 
     String urlPattern = "((https?|ftp|gopher|telnet|file|Unsure|http):((//)|(\\\\))+[\\w\\d:#@%/;$()~_?\\+-=\\\\\\.&]*)"; 
     Pattern p = Pattern.compile(urlPattern,Pattern.CASE_INSENSITIVE); 
     Matcher m = p.matcher(commentstr); 
     int i = 0; 
     while (m.find()) { 
      commentstr = commentstr.replaceAll(m.group(i),"").trim(); 
      i++; 
     } 
     return commentstr; 
    } 

Answer 2

Cóż, nie dostarczyły żadnych informacji na temat tekstu, więc przy założeniu tekst wygląda tak: "Some text here http://www.example.com some text there", można to zrobić:

String yourText = "blah-blah"; 
String cleartext = yourText.replaceAll("http.*?\\s", " "); 

Spowoduje to usunięcie wszystkich sekwencji rozpoczynających się od "http" i do pierwszej spacji.

Powinieneś przeczytać Javadoc na klasie String. To wszystko wyjaśni.

Answer 3

Jak definiujesz URL? Możesz nie tylko filtrować http: //, ale także https: // i inne protokoły, takie jak ftp: //, rss: // lub niestandardowe protokoły.

Może to wyrażenie regularne będzie wykonać zadanie:

[\S]+://[\S]+

wyjaśnienie:

• jeden lub więcej nie-białych znaków
• obserwowani przez ciąg ": //"
• , po którym następuje co najmniej jeden nietylkowy numer

Answer 4

m.group(0) powinny zostać zastąpione pustym ciągiem zamiast m.group(i) gdzie i jest zwiększany przy każdym wywołaniu m.find() jak wspomniano w jednym z powyższych odpowiedzi.

private String removeUrl(String commentstr) 
{ 
    String urlPattern = "((https?|ftp|gopher|telnet|file|Unsure|http):((//)|(\\\\))+[\\w\\d:#@%/;$()~_?\\+-=\\\\\\.&]*)"; 
    Pattern p = Pattern.compile(urlPattern,Pattern.CASE_INSENSITIVE); 
    Matcher m = p.matcher(commentstr); 
    StringBuffer sb = new StringBuffer(commentstr.length); 
    while (m.find()) { 
     m.appendReplacement(sb, ""); 
    } 
    return sb.toString(); 
} 

Answer 5

Zauważ, że jeśli URL zawiera znaki takie jak & i \ następnie powyższych odpowiedzi nie będzie działać, ponieważ replaceAll nie obsługuje tych znaków. To, co zadziałało, to usunięcie tych znaków z nowej zmiennej łańcuchowej, a następnie usunięcie tych znaków z wyników m.find() i użycie replaceAll w mojej nowej zmiennej łańcuchowej.

private String removeUrl(String commentstr) 
{ 
    // rid of ? and & in urls since replaceAll can't deal with them 
    String commentstr1 = commentstr.replaceAll("\\?", "").replaceAll("\\&", ""); 

    String urlPattern = "((https?|ftp|gopher|telnet|file|Unsure|http):((//)|(\\\\))+[\\w\\d:#@%/;$()~_?\\+-=\\\\\\.&]*)"; 
    Pattern p = Pattern.compile(urlPattern,Pattern.CASE_INSENSITIVE); 
    Matcher m = p.matcher(commentstr); 
    int i = 0; 
    while (m.find()) { 
     commentstr = commentstr1.replaceAll(m.group(i).replaceAll("\\?", "").replaceAll("\\&", ""),"").trim(); 
     i++; 
    } 
    return commentstr; 
}  

Answer 6

Jeśli można przejść do pytona wtedy można znaleźć dużo lepsze rozwiązanie tutaj, podając te kodu

import re 
text = "<hello how are you ?> then ftp and mailto and gopher and file ftp://ideone.com/K3Cut rthen you " 
text = re.sub(r"ftp\S+", "", result) 
print(result)