Java中的正则表达式。意外行为

Question

我试图匹配大部分数字，但取决于表达式后面的单词，我需要有所作为。

我匹配每个没有后跟温度术语（如°C）或时间规范的数字。 我的正则表达式如下所示：

(((\d+?)(\s*)(\-)(\s*))?(\d+)(\s*))++(?!minuten|Minuten|min|Min|Stunden|stunden|std|Std|°C| °C)

这是一个例子：http://regexr.com?33jeg

虽然这种行为是我所期望的，但 Java 会执行以下操作： 索引是匹配4的对应组

0: "4 "1: "4 "2: "0 - "3: "0"4: " "5: "-"6: " "7: "4"8: " "9: "°C"

您需要知道我将每个字符串单独匹配。所以 5 的比赛看起来像这样：

0: "5 "1: "5 "2: "null"3: "null"4: "null"5: "null"6: "null"7: "5"8: " "9: "null"

这就是我喜欢其他 Match 的方式。这种令人不快的行为仅在匹配之前的字符串中某处出现“-”时

我的 Java 代码如下：

public static void adaptPortionDetails(EList<Step> steps, double multiplicator){
    
    String portionMatcher = "(((\\d+?)(\\s*)(\\-)(\\s*))?(\\d+)(\\s*))++(?!°C|Grad|minuten|Minuten|min|Min|Stunden|stunden|std|Std)";
    
    for (int i = 0; i < steps.size(); i++) {
        Matcher matcher = Pattern.compile(portionMatcher).matcher(
                steps.get(i).getDescription());
        StringBuffer sb = new StringBuffer();
        while (matcher.find()) {
            printGroups(matcher);
            String newValue1Str;
            if (matcher.group(3) == null){
                newValue1Str = "";
                System.out.println("test");
            }else{
                double newValue1 = Integer.parseInt(matcher.group(3)) * multiplicator;
                newValue1Str = Fraction.getFraction(newValue1).toProperString();
            }
            double newValue2 = Integer.parseInt(matcher.group(7)) * multiplicator;
            String newValue2Str = Fraction.getFraction(newValue2).toProperString();
            
            
            matcher.appendReplacement(sb, newValue1Str + "$4$5$6" + newValue2Str + "$8");
        }
        matcher.appendTail(sb);
        steps.get(i).setDescription(sb.toString());
    }
}

希望你能说出我错过了什么。

Answer 1

这似乎是 Java 实现中的一个错误（或功能？）。当必须从下一个索引重做匹配时，它似乎不会重置捕获组的捕获文本。

该测试揭示了 Java 正则表达式引擎和 PHP 的 PCRE 之间的行为差​​异。

• 正则表达式：(\d+(-\d+)?){1}+(?!x)
• 输入：34 34-43x 78 90
• Java 结果：3 个匹配项（34、78、90）。第二场比赛的第二个捕获组是-43。第二个捕获组在第 1 场和第 3 场比赛中没有捕获任何东西。
• PHP result：同样是 3 场比赛，但第二个捕获组没有捕获所有比赛。对于 PHP 的 PCRE 实现，当必须重做匹配时，捕获组的捕获文本会被重置。

这是在 JRE 6 Update 37 和 JRE 7 Update 11 上测试的。

同样的结果，只是为了证明在必须重做匹配时捕获的文本没有被重置：

• 正则表达式：a(\d+(-\d+)?){1}+(?!x)
• 输入：a34 a34-43x a78 a90
• PHP result

关于您的正则表达式的一些评论

我认为++ 应该是{1}+，因为您似乎想一次修改一个数字或一个数字范围，同时使匹配具有所有格以丢弃不需要的数字。

解决方法

第一个组（最外层的捕获组）捕获所有内容（一个数字或一个数字范围），当找到匹配项时将始终被覆盖。因此，您可以依赖它。您可以检查组1中是否存在-（使用contains方法）。如果有，那么您可以判断捕获组 2 包含当前匹配中捕获的文本，并且您可以使用捕获的文本。如果没有，则可以忽略捕获组 2 及其嵌套捕获组中的所有捕获文本。