Java正则表达式 url和email并进行分割

首先说明，本人研一新生，编程开发经历较少，如有不对，还望各位大神多多指教！

最近在做关于英文PDF翻译为中文PDF的项目。其中，机器翻译接口不能识别url和Email，需要本地将URL和Email进行提取，之后将内容分割，把非URL和Email送入机器翻译的接口中。

在识别URL和Email上，我选择的是正则表达式，其中匹配的URL和Email如下：

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

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

具体实例代码如下：

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是匹配[a-zA-Z0-9_]，即英文大小写，数字，和下划线

补充：.匹配除\n以外的任意字符

    \s匹配包括\n在内的任意字符

好了，介绍完基础部分，想说一说关于对URL和Email的提取分割，即：

输入：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.

输出：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.

想要实现以上，首先得清楚Matcher中的group

matcher.group(int index) , index表示第几个括号，默认值为0，即整个句子内容，1代表第一个括号，matcher.start(int index)和matcher.end(int index)分别表示第index括号内第一个字符的位置，和最后一个字符的位置。

以email为中间，进行分割的代码如下：

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;

}

这样，根据递归我们就可以对任意字符串进行url和email的分割，代码如下：

public void regex(String text){

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

//啥都没有

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

ans.add(text);

}

//只有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));

}

//只有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));

}

}