Java、Regex、嵌套可选组

Question

我正在尝试在 Java 中捕获嵌套的可选组，但没有成功。

我试图捕获一个关键字后跟一个间隔，其中关键字是现在的任何东西，一个间隔只是两个日期。间隔可以是可选的，两个日期也可以是可选的。因此，以下是有效的匹配项。

• 字
• 字 [01/01/1900, ]​​i>
• 字 [, 01/01/2000]
• 字 [01/01/1900, 01/01/2000]

我想捕获关键字和两个日期，即使它们为空。

这是我想出的 Java MWE。

public class Parser {
    public static void main(String[] args) {
        Parser parser = new Parser();
        String s = "word [01/01/1900, 01/01/2000]";
        parser.parse(s);
    }

    public void parse(String s) {
        String date = "\\d{2}/\\d{2}/\\d{4}";
        String interval = "\\[("+date+")?, ("+date+")?\\]";
        String keyword = "(.+)( "+interval+")?";
        Pattern p = Pattern.compile(keyword);
        Matcher m = p.matcher(s);
        if (m.matches()) {
            for (int i = 0; i <= m.groupCount(); ++i) {
                System.out.println(i + ": " + m.group(i));
            }
        }
    }
}

这是输出

0: word [01/01/1900, 01/01/2000]
1: word [01/01/1900, 01/01/2000]
2: null
3: null
4: null

如果间隔不是可选的，那么它可以工作。

String keyword = "(.+)( "+interval+")";

0: word [01/01/1900, 01/01/2000]
1: word
2:  [01/01/1900, 01/01/2000]
3: 01/01/1900
4: 01/01/2000

如果间隔是一个不匹配的组（但仍然是可选的），那么它不起作用。

String keyword = "(.+)(?: "+interval+")?";

0: word [01/01/1900, 01/01/2000]
1: word [01/01/1900, 01/01/2000]
2: null
3: null

我需要做什么才能找回两个日期？谢谢。

---

编辑：第 2 部分。

假设现在我观察匹配重复的关键字。即正则表达式，keyword(, keyword)*。我试过了，但只捕获了第一个和最后一个实例。

为简单起见，假设我想将以下 a, b, c, d 与正则表达式 ([a-z])(?:, ([a-z]))* 匹配

但是，我只能取回第一组和最后一组。

0: a, b, c, d
1: a
2: d

为什么会这样？

刚刚发现这无法做到。 Capture group multiple times

Answer 1

将keyword 的第一部分从(.+) 更改为(.+?)。

没有?，(.+) 是一个贪婪量词。这意味着它将尝试尽可能多地匹配。我不知道正则表达式引擎如何工作的所有机制，但我相信在你的情况下，它所做的是将一些计数器 N 设置为源中剩余的字符数。如果它可以用完那么多字符并让整个正则表达式匹配，它会的。否则，它会尝试N-1、N-2 等，直到整个正则表达式匹配。我也认为尝试这个时它是从左到右的；也就是说，由于(.+) 是模式的最左边的“部分”（对于“部分”的某些定义），它会在该部分上循环，然后再尝试对右侧的部分进行任何循环。因此，使(.+) 变得贪婪比使模式的任何其他部分变得贪婪更重要。 (.+) 优先。

在您的情况下，由于(.+) 后跟一个可选部分，因此正则表达式匹配器首先尝试字符串的整个其余部分 - 它成功，因为字符串的其余部分为空，很好匹配可选的子字符串。这也应该解释为什么如果您的子字符串不是可选的 - 空子字符串不再匹配，它就不起作用。

添加? 使其成为“不情愿”（或“吝啬”）量词，其作用方向相反。它首先查看是否可以匹配 0 个字符，然后是 1、2、...，而不是从 N 开始并向下。因此，当它达到 5 时，匹配 "word "，并且它发现字符串的其余部分与您的可选部分匹配，它完成并给出您期望的结果。