Java/Groovy 正则表达式解析没有分隔符的键值对答案

【问题标题】：Java/Groovy regex parse Key-Value pairs without delimitersJava/Groovy 正则表达式解析没有分隔符的键值对
【发布时间】：2021-01-04 03:25:56
【问题描述】：

我无法使用正则表达式获取键值对

到目前为止的代码：

String raw = '''
MA1
 D. Mueller Gießer 
MA2 Peter 
Mustermann 2. Mann  
MA3 Ulrike Mastorius Schmelzer 
MA4 Heiner Becker s 3.Mann
 MA5 Rudolf Peters 
Gießer 
'''

Map map = [:] 
ArrayList<String> split = raw.findAll("(MA\\d)+(.*)"){ full, name, value ->  map[name] = value }  
println map

输出是： [MA1：，MA2：彼得，MA3：Ulrike Mastorius Schmelzer，MA4：海纳贝克，MA5：鲁道夫彼得斯]

就我而言，关键是： MA1、MA2、MA3、MA\d（所以 MA 有任意 1 位数字）

在下一个键出现之前，该值绝对是所有内容（包括换行符、制表符、空格等...）

有人知道怎么做吗？

提前致谢，塞巴斯蒂安

【问题讨论】：

标签： java regex groovy regex-greedy

【解决方案1】：

您可以在第二组中捕获 key 之后的所有内容以及不以 key 开头的所有行

^(MA\d+)(.*(?:\R(?!MA\d).*)*)

模式匹配

^ 字符串开始
(MA\d+) 捕获 组 1 匹配 MA 和 1+ 位
( 捕获第 2 组
- .* 匹配该行的其余部分
- (?:\R(?!MA\d).*)* 匹配所有不以 MA 后跟数字开头的行，其中 \R 匹配任何 unicode 换行符序列
)关闭第二组

Regex demo

在带有双转义反斜杠的 Java 中

final String regex = "^(MA\\d+)(.*(?:\\R(?!MA\\d).*)*)";

【讨论】：

谢谢！我刚刚发现此正则表达式存在问题的另一种情况：如果 Key 没有在新行中开始，它不会将其识别为另一个匹配项。
@blickfangQ2 我明白了，我错过了那个案子。那你的意思是这样吗？ regex101.com/r/eA9I5b/1
第二个链接显示问题，是的。我在一个 excel 文件中有数百个这样的文件，而且变化很大。有的把 MA2 写在一个单独的行，有的做一个制表符，有的只加 20 个空格。该文本字段的不一致是巨大的。所以我的想法。在下一个 Key 出现之前，请绝对拿走所有东西。如果没有其他钥匙，就全部拿走，直到最后。
刚刚认识到您实际上通过第二个链接解决了它！我逃脱了 java 的特殊字符，它似乎工作，太棒了！ :) final String regex = "(?s)\\b(MA\\d+)(.*?)(?=MA\\d|\$)"

【解决方案2】：

使用

(?ms)^(MA\d+)(.*?)(?=\nMA\d|\z)

见proof。

说明

                         EXPLANATION
--------------------------------------------------------------------------------
  (?ms)                    set flags for this block (with ^ and $
                           matching start and end of line) (with .
                           matching \n) (case-sensitive) (matching
                           whitespace and # normally)
--------------------------------------------------------------------------------
  ^                        the beginning of a "line"
--------------------------------------------------------------------------------
  (                        group and capture to \1:
--------------------------------------------------------------------------------
    MA                       'MA'
--------------------------------------------------------------------------------
    \d+                      digits (0-9) (1 or more times (matching
                             the most amount possible))
--------------------------------------------------------------------------------
  )                        end of \1
--------------------------------------------------------------------------------
  (                        group and capture to \2:
--------------------------------------------------------------------------------
    .*?                      any character (0 or more times (matching
                             the least amount possible))
--------------------------------------------------------------------------------
  )                        end of \2
--------------------------------------------------------------------------------
  (?=                      look ahead to see if there is:
--------------------------------------------------------------------------------
    \n                       '\n' (newline)
--------------------------------------------------------------------------------
    MA                       'MA'
--------------------------------------------------------------------------------
    \d                       digits (0-9)
--------------------------------------------------------------------------------
   |                        OR
--------------------------------------------------------------------------------
    \z                       the end of the string
--------------------------------------------------------------------------------
  )                        end of look-ahead

【讨论】：