RegEx /compilebekomme nicht die erwarteten Werte

[OnDemand]

Hallo zusammen,
gegeben ist folgender String. Ich brauche daraus alle KEy-Value Paare also den Wert vor dem Doppelpunkt und den Wert dahinter zb

Spoiler: String

<b>Prozessor</b><br>Prozessorhersteller: Intel<br>Prozessorsockel: LGA 2066 (Socket R4)<br>Anzahl der unterstützten Prozessorkerne: 18<br>Prozessor Verlustleistung (max): 140 W<br><br><b>Speicher</b><br>Unterstützte Arbeitsspeicher: DDR4-SDRAM<br>RAM-Speicher maximal: 256 GB<br>Speicherspannung: 1.2 V<br>Unterstützte Arbeitsspeichergeschwindigkeit: 2133,2400,2666 MHz<br><br><b>Speicher-Controller</b><br>Unterstützte Speicherlaufwerk-Schnittstellen: SATA III<br>RAID Level: 0,1,5,10<br><br><b>Grafik</b><br>On-Board Grafikadaptermodell: Aspeed AST2500<br><br><b>Interne E/A-Anschlüsse</b><br>SATA III Anschlüsse: 8<br><br><b>E/A-Anschlüsse auf der Rückseite</b><br>Anzahl USB 2.0 Anschlüsse: 6<br>Anzahl USB 3.2 Gen 1 (3.1 Gen 1) Typ-A Ports: 5<br>Anzahl Ethernet-LAN-Anschlüsse (RJ-45): 2<br>Anzahl VGA (D-Sub) Anschlüsse: 1<br>Anzahl COM-Anschlüsse: 2<br><br><b>Netzwerk</b><br>WLAN: Nein<br>Eingebauter Ethernet-Anschluss: Ja<br>Ethernet Schnittstellen Typ: Gigabit Ethernet<br><br><b>Merkmale</b><br>Motherboardformfaktor: micro ATX<br>Motherboard Chipsatz: Intel® C422<br><br><b>Erweiterungssteckplätze</b><br>PCI-Express x16 (Gen 3.x)-Anschlüsse: 1<br><br><b>BIOS</b><br>BIOS-Typ: UEFI AMI<br>ACPI-Version: 6.0<br><br><b>Prozessor Besonderheiten</b><br>Trusted Platform Module (TPM): Ja<br><br><b>Betriebsbedingungen</b><br>Temperaturbereich bei Lagerung: -20 - 60 °C<br>Temperaturbereich in Betrieb: 0 - 50 °C<br>Luftfeuchtigkeit in Betrieb: 10 - 85%<br>Luftfeuchtigkeit bei Lagerung: 10 - 95%<br><br><b>Gewicht und Abmessungen</b><br>Breite: 243,8 mm<br>Tiefe: 243,8 mm<br><br><b>Sonstige Funktionen</b><br>PCI-Express x4 (Gen 3.x)-Anschlüsse: 1<br>PCI-Express x8 (Gen 3.x)-Anschlüsse: 2<br>Unterstützte DIMM-Modulkapazitäten: 4GB, 8GB, 16GB, 32GB, 64GB<br>Unterstützte LRDIMM Uhr Geschwindigkeiten: 2133,2400,2666 MHz<br>Unterstützte RDIMM Taktraten: 2133,2400,2666 MHz<br>Zahl der DIMM Slots: 4<br>Anzahl unterstützter Prozessoren: 1<br><br>

Prozessorhersteller: Intel

nicht aber die Werte innerhalb <b></b>

habe folgendes Versucht, bringt aber komischerweise nur 3 Einträge, kennt sich jemand auf diesem Planeten damit aus und versteht, was da vor sich geht?

 String s = productDataItem.getSpecs();
            Pattern p = Pattern.compile("^(<.+>)([a-z A-Z ]+?)(</.+>)$");
            Matcher m = p.matcher(s);
            if (m.matches()) {
                String raw = m.group(3).replaceAll("<b>", "").replaceAll("</b>", "");
                String[] raw1 = raw.split("<br>");
                for (String attKeyValue : raw1) {
                    if (attKeyValue.contains(":") && attKeyValue.equals("") == false) {
                        String[] keyValue = attKeyValue.split(":");
                        map.put(keyValue[0].trim(), keyValue[1].trim());
                    }
                }
            }

 

[Robert Zenz]

Ehrlich gesagt sehe ich gerade nicht was da das Problem ist, aber ich finde das RegEx-Konstrukt auch relativ komplex fuer etwas was man simpler abbilden kann laut deiner Beschreibung:

for (String line : source.split("<br>")) {
    if (line.contains(":")) {
        String[] splittedLine = line.split(":");
        
        String key = splittedLine[0].trim();
        String value = splittedLine[1].trim();
        
        System.out.println(key + ": " + value);
    }
}

 

[LimDul]

Dein erster Reg-Ex ist komisch. Du suchst nach allen HTML-Markups, wo nur Buchstaben & Leerzeichen drin vorkommen. Das heißt, die meisten Texte solltest du nicht matchen, weil da Umlaute, Zahlen und andere Sonderzeichen drin vorkommen.

 

[OnDemand]

@Rober Das sind keine Lines. Ist alles ein String ohne Umbrüche (also nur die br)

 

[mrBrown]

@Rober Das sind keine Lines. Ist alles ein String ohne Umbrüche (also nur die br)

Semantisch sind das Zeilen, <br> ist in HTML ein Zeilenumbruch.

 

[kneitzel]

@Rober Das sind keine Lines. Ist alles ein String ohne Umbrüche (also nur die br)

Er macht doch ein Split des Strings auf die <br> - damit hat er viele einzelne Strings. Ob man die nun "lines" nennt oder anders, das kannst Du Dir überlegen.

 

[OnDemand]

versteh ich nicht. Das ist alles eine Zeile wenn ich das ausgeben lasse. Der Zeilenumbruch <br> wird von Java gelesen und erkannt?

 

[OnDemand]

Er macht doch ein Split des Strings auf die <br> - damit hat er viele einzelne Strings. Ob man die nun "lines" nennt oder anders, das kannst Du Dir überlegen.

Danke, ja stimmt. Das hat mich etwas irritiert. Danke

 

[OnDemand]

Ou das funzt ja doch so einfach, Robert. Lieben Dank! Hab ich wohl etwas zu kompliziert gedacht 😀

 

[mrBrown]

versteh ich nicht. Das ist alles eine Zeile wenn ich das ausgeben lasse. Der Zeilenumbruch <br> wird von Java gelesen und erkannt?

@Robert Zenz trennt explizit an "<br>", und nicht an Zeilenumbrüchen. Das, was dabei raus kommt, sind eben semantisch Zeilen, also macht es Sinn, die Variable line zu nennen, weil es eben ein mensch so sehen würde, wenn er es in formatiert anguckt, auch wenn da kein wirklicher Zeilenumbruch vorliegt.