如何创建用于解析阿拉伯日期的正则表达式
我正在开发一个程序，该程序运行一系列正则表达式来尝试从网页中查找 DOM 中的日期。 例如，在 www.engadget.com 中/2010/07/19/windows-phone-7-in-deep-preview/，我会将“Jul 19th 2010”与我的正则表达式匹配。在多种格式和语言下一切都进展顺利，直到我打开了一个阿拉伯语网页。 例如，请考虑 http://islammaktoob.maktoobblog.com/。日期 2010 年 7 月 18 日以阿拉伯语显示在帖子顶部，但我不知道如何匹配它。有人有匹配阿拉伯日期的经验吗？如果有人可以发布一个示例或他们用来匹配该阿拉伯日期的正则表达式，那将会非常有帮助。谢谢你！
更新：
越来越接近：
String fromTheSite = "كتبها اسلام مكتوب ، في 18 تموز 2010 الساعة: 09:42 ص";
NamedMatcher infoMatcher = NamedPattern.compile("(?<Day>[0-3]?[0-9]) (?<Month>يناير|فبراير|مارس|أبريل|إبريل|مايو|يونيو|يونيه|يوليو|يوليه|أغسطس|سبتمبر|أكتوبر|نوفمبر|ديسمبر|كانون الثاني|شباط|آذار|نيسان|أيار|حزيران|تموز|آب|أيلول|تشرين الأول|تشرين الثاني|كانون الأول) (?<Year>[1-2][0-9][0-9][0-9]) ", Pattern.CANON_EQ).matcher(fromTheSite);
while(infoMatcher.find()){
System.out.println(infoMatcher.group());
System.out.println(infoMatcher.group("Day"));
System.out.println(infoMatcher.group("Month"));
System.out.println(infoMatcher.group("Year"));
}
给我
18 تموز 2010
18
تموز
2010
为什么比赛看起来不按顺序进行？
I'm working on a program that is running a series of regexs to attempt to find a date within the DOM from a webpage.
For example, in www.engadget.com/2010/07/19/windows-phone-7-in-depth-preview/, I would match "Jul 19th 2010" with my regex. Things were going fine in multiple formats and languages until I hit an Arabic webpage.
As an example, consider http://islammaktoob.maktoobblog.com/. The date July 18, 2010 appears in Arabic at the top of the post, but I can't figure out how to match it. Does anyone have any experience on matching Arabic dates? If someone could post an example or the regex they would use to match that Arabic date, it would be very helpful. Thank you!
Update:
Getting closer:
String fromTheSite = "كتبها اسلام مكتوب ، في 18 تموز 2010 الساعة: 09:42 ص";
NamedMatcher infoMatcher = NamedPattern.compile("(?<Day>[0-3]?[0-9]) (?<Month>يناير|فبراير|مارس|أبريل|إبريل|مايو|يونيو|يونيه|يوليو|يوليه|أغسطس|سبتمبر|أكتوبر|نوفمبر|ديسمبر|كانون الثاني|شباط|آذار|نيسان|أيار|حزيران|تموز|آب|أيلول|تشرين الأول|تشرين الثاني|كانون الأول) (?<Year>[1-2][0-9][0-9][0-9]) ", Pattern.CANON_EQ).matcher(fromTheSite);
while(infoMatcher.find()){
System.out.println(infoMatcher.group());
System.out.println(infoMatcher.group("Day"));
System.out.println(infoMatcher.group("Month"));
System.out.println(infoMatcher.group("Year"));
}
Gives me
18 تموز 2010
18
تموز
2010
Why does the match appear out of order?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
如果您查看复制文本的二进制代码，您可以看到该句子实际上是从右到左阅读保存的（因此右侧的第一个字母是文件中的第一个字母）。
它在渲染时将文本更改回来，使其看起来像是从右到左书写的（这也会导致这种奇怪的选择行为）。
因此您必须从右向左搜索。
此外，重要的是要注意数字没有交换。
示例：
如果您可以阅读
“txet emos 20 yluJ 2016 srahc modnar”，它在文件中保存为
“random chars 2016 July 20 some text”。If you look at the binary code of your copied text you can see that the sentence is actually saved reading from right to left (so the first letter on the right side is the first in the file).
It changes tehe text back while rendering such that it looks like it's written right to left (This causes also this strange selection behavior).
Therefor you have to search from right to left.
Additionally, it's important to notice that numbers aren't switched.
Example:
If you can read
"txet emos 20 yluJ 2016 srahc modnar",it's saved as
"random chars 2016 July 20 some text"in the file.