java – 从推文文本中提取主题标签,用户提及和网址的快捷方式?
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了java – 从推文文本中提取主题标签,用户提及和网址的快捷方式?,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1407字,纯文字阅读大概需要3分钟。
内容图文
![java – 从推文文本中提取主题标签,用户提及和网址的快捷方式?](/upload/InfoBanner/zyjiaocheng/778/0815375d7b0a4832843b163b2642559d.jpg)
我正在尝试找到一种快速的方法来获取每个字符串的数组:1-主题标签,2-用户在推文文本中提到3个网址.我在csv文件中有推文文本.
我解决问题的方法需要太长的处理时间,我想知道我是否可以优化我的代码.我将展示我的每个匹配类型的正则表达式规则,但只是不发布长代码我将只显示我如何匹配主题标签.对于网址和用户提及,相同的技术.
这里是:
public static String hashtagRegex = "^#\\w+|\\s#\\w+";
public static Pattern hashtagPattern = Pattern.compile(hashtagRegex);
public static String urlRegex = "http+://[\\S]+|https+://[\\S]+";
public static Pattern urlPattern = Pattern.compile(urlRegex);
public static String mentionRegex = "^@\\w+|\\s@\\w+";
public static Pattern mentionPattern = Pattern.compile(mentionRegex);
public static String[] getHashtag(String text) {
String hashtags[];
matcher = hashtagPattern.matcher(tweet.getText());
if ( matcher.find() ) {
hashtags = new String[matcher.groupCount()];
for ( int i = 0; matcher.find(); i++ ) {
//Also i'm getting an ArrayIndexOutOfBoundsException
hashtags[i] = matcher.group().replace(" ", "").replace("#", "");
}
}
return hashtags;
}
解决方法:
Matcher#groupCount为您提供捕获组的数量,而不是匹配的数量.这就是为什么你得到一个ArrayIndexOutOfBoundsException(在你的情况下,数组初始化为大小为零).您可能希望使用List来收集匹配的动态增长,而不是数组.
加速的一种(潜在)方法可能是在空格上标记化文本,然后只检查标记的开头是否有片段,如http,@或#.这样,您就可以完全避免使用正则表达式. (没有描述,所以我无法分辨性能影响).
内容总结
以上是互联网集市为您收集整理的java – 从推文文本中提取主题标签,用户提及和网址的快捷方式?全部内容,希望文章能够帮你解决java – 从推文文本中提取主题标签,用户提及和网址的快捷方式?所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。