用于解析的正则表达式模式

Question

我需要一个匹配以下各项的模式：

• 除 (:=#\) 之外的非空白符号字符串，后跟 :，再后跟除 (:=#\) 之外的非空白符号字符串或
• 空格或制表符后跟 1 个或多个非空白字符或
• a # 后跟任何内容或
• 一行包含一个或多个空格或制表符或
• 以前没有发现的东西的包罗万象。

我目前的模式如下： ^([\\S&&[^\\n:=#\\\\]]+):([[\\s&&[^\\n]][\\S&&[^\\n=:#\\\\]]*]*)|^[ \\t](\\S[\\s\\S&&[^\\n]]*)|(^#[\\s\\S&&[^\n]]+)|^([\\s&&[^\\n\\x0B\\f\\r]]+)|([[\\s\\S]&&[^\\n]]+)

我正在使用 findwithinhorizo​​n(this Pattern, 0)

将它与 Scanner 一起使用

在下面的块中，inp 是缓冲的扫描器，_pat 是上面的模式。 我遇到了将字符串分配给错误匹配组的问题。

前：

bob: cat dog
 meow

在此扫描仪中运行此程序后，我在匹配组 2（“猫狗”）上调用 .split(\\s+) 后得到一个空字符串，并且“喵”与组 6（我的错误组）而不是组 3 匹配.

    BufferedReader buf =
            new BufferedReader(new FileReader(makeFile));
    Scanner inp = new Scanner(buf);


    while (inp.findWithinHorizon(_pat, 0) != null) {
        int i = 1;
        MatchResult mat = inp.match();
        for (; i <= TOTAL_VALS; i++) {
            if (mat.group(i) != null) {
                break;
            }
        } 

Answer 1

这个正则表达式会将一行解析成适当的组：

([^\s:=#\\]+\s*:\s*(?:[^\s:=#\\]+\s*))|([ \t]\S+)|(#.*)|(\s*)|(.*)

请注意，您的第一个条件实际上并不匹配 bob: cat dog。条件应该是这样的：

• 除:=#\ 之外的非空白符号字符串（可选地后跟空格，后跟: 可选地后跟空格，后跟除 (:=#) 之外的一个非空白符号字符串，用空格或分隔符）

---

示例用法：

String regex = "([^\\s:=#\\\\]+\\s*:\\s*(?:[^\\s:=#\\\\]+\\s*)+)|([ \t]\\S+)|(#.*)|(\\s*)|(.*)";
Pattern p = Pattern.compile(regex);
for (String line : lines) {
    Matcher m = p.matcher(line);
    m.matches();
    for(int i=1;i<m.groupCount();i++) {
        System.out.println(i+": "+m.group(i));
    }
    System.out.println();
}

对于您的输入数据：

bob: cat dog
 meow

输出将是

1: bob: cat dog
2: null
3: null
4: null

1: null
2:  meow
3: null
4: null

Answer 2

查看正则表达式的一小部分（删除额外的转义）

[\S&&[^\n:=#\\]]+

这在正则表达式语法中没有任何意义。我从您的描述中猜测，模式的这一部分应该是指“不是空格的字符序列，也不是换行符或:=#\。”这就是您为此编写正则表达式模式的方式：

[^\s:=#\\]+

即"一个或多个非空格字符，:、=、# 或 \。

因此，一次满足您的要求：

• 除 (:=#\) 之外的非空白符号字符串，后跟 :，再后跟除 (:=#\) 之外的非空白符号字符串或

  [^\s:=#\\]+:[^\s:=#\\]
  

• 一个空格或制表符后跟 1 个或多个非空白字符或

  [ \t]\S+
  

• a # 后跟任何内容或

  #.*
  

• 由一个或多个空格或制表符组成的一行。

  [ \t]+
  

把它们放在一起：

^([^\s:=#\\]+:[^\s:=#\\]|[ \t]\S+|#.*|[ \t]+)$

并恢复多余的转义字符，使其可以放在双引号字符串中：

^([^\\s:=#\\\\]+:[^\\s:=#\\\\]|[ \\t]\\S+|#.*|[ \\t]+)$

我省略了“catchall”要求，因为我不清楚它为什么有用：像something|something else|a third thing|.* 这样的正则表达式保证匹配任何字符串，为了简单起见，还不如替换为.* .