Java重复模式匹配（二）

Question

考虑以下正则表达式：

(([^\|])*\|)*([^\|]*)

这匹配类型的重复字符串模式

("whatever except |" |) {0 to any times} ("whatever except |" |) {1 time}

所以它应该匹配下面的字符串，它有17个子字符串（16个重复，加上“z”作为最后一个）。

"abcd  | e | fg | hijk | lmnop | |   | qrs |   t| uv| w |||||x   y|  z"

确实，RegexPal 会验证给定的正则表达式是否与上述字符串匹配。

现在，我想获取每个子字符串（即“abcd |”、“e |”、“fg |”等），对于它们的数量、长度等没有先验知识。

根据类似标题的previous StackOverflow post 和Matcher 类find() 方法的文档，我只需要做类似的事情

Pattern pattern = Pattern.compile(regex); // regex is the above regex
Matcher matcher = pattern.matcher(input); // input is the above string

while (matcher.find())
{
   System.out.println(matcher.group(1));
}

但是，当我这样做时，我只打印出 2 个字符串：最后一个重复的子字符串 ("x y|") 和一个空值；绝对不是我期望的 16 个子字符串。

在运行 find() 循环之前，检查是否确实发生了匹配也是一件好事，但我不确定是 matches()、groupCount() > 0 还是其他一些考虑到find() 也进行匹配，所以应该使用条件，而不做两次匹配工作。

所以，问题：

1. 如何获取所有 16 个重复的子字符串？
2. 如何获取最后一个子字符串？
3. 如何检查字符串是否匹配？

Answer 1

恐怕你把事情搞糊涂了。每当您使用重复（“*”、“+”等）时，都无法匹配所有实例。使用((xxx)*) 之类的内容，您可以将整个字符串匹配为group(1)，将最后一部分匹配为group(2)，仅此而已。

考虑使用String.split 或更好的Guava 的Splitter。

---

广告 1。你不能。使用像

这样的简单模式

\G([^\|])*(\||$)

与find() 一起按顺序获取所有匹配项。请注意 \G 锚定到上一个匹配项。

---

广告 2. 如何获取最后一个子字符串？

作为最后一个结果 find 返回。

---

广告 3. 如何检查字符串是否匹配？

在你最后一个find 之后检查是否matcher.end() == input.length。但是使用这种模式你不需要检查任何东西，因为它总是匹配的。

Answer 2

如果必须使用正则表达式...

1) 如何获取所有 16 个重复的子串？

见下文。骑自行车进行比赛时，您不需要匹配所有内容，只需要您想要的部分。 （我得到了 17 场比赛——这是正确的吗？）

2) 如何获取最后一个子字符串？

将分隔符切换到正则表达式的开头并允许'^'。

3) 如何检查字符串是否匹配？

什么情况会导致不匹配？任何字符串都会匹配。

---

这是一个使用正则表达式的解决方案：

String input = "abcd  | e | fg | hijk | lmnop | |   | qrs |   t| uv| w |||||x   y|  z";
int expectedSize = 17;
List<String> expected = new ArrayList<String>(Arrays.asList("abcd  ", " e ", " fg ", " hijk ", " lmnop ", " ", "   ", " qrs ", "   t", " uv", " w ", "",
    "", "", "", "x   y", "  z"));

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

// Pattern pattern = Pattern.compile("(?:\\||^)([^\\|]*)");
Pattern pattern = Pattern.compile("(?:_?\\||^)([^\\|]*?)(?=_?\\||$)"); // Edit: allows _| or | as delim

for (Matcher matcher = pattern.matcher(input); matcher.find();)
{
  matches.add(matcher.group(1));
}

for (int idx = 0, len = matches.size(); idx < len; idx++)
{
  System.out.format("[%-2d] \"%s\"%n", idx + 1, matches.get(idx));
}

assertSame(expectedSize, matches.size());
assertEquals(expected, matches);

输出

[1 ] "abcd  "
[2 ] " e "
[3 ] " fg "
[4 ] " hijk "
[5 ] " lmnop "
[6 ] " "
[7 ] "   "
[8 ] " qrs "
[9 ] "   t"
[10] " uv"
[11] " w "
[12] ""
[13] ""
[14] ""
[15] ""
[16] "x   y"
[17] "  z"