Java 正则表达式到 .NET

Question

我正在尝试将以下正则表达式从 Java 转换为 .NET：

    (?i:(?:([^\d,]+?)\W+\b((?:CA|SD|SC|CT|DC)\b)?\W*)?(\d{5}(?:[- ]\d{3,4})?)?)

当我对以下字符串进行匹配时：

Mountain View, CA 94043

在 Java 中使用 Pattern 和 Matcher 对象，它使用值填充四个组：

    "Mountain View, CA 94043"
    "Mountain View"
    "CA"
    "94043"

但是，在 .NET 中，有两个匹配项。第一个匹配用这些值填充四个组：

    "Mountain "(there is a space on the end of group 0)
    "Mountain"
    ""
    ""

第二个匹配用这些值填充三个组：

    "View, CA 94043"
    "View"
    "CA"
    "94043"

我还尝试了使用 Java 和 .NET 模式的 RegexBuddy 表达式，在 RegexBuddy 中，这两种模式都像 .NET 版本一样工作。

谢谢大家！

Answer 1

将^ 添加到模式的开头，并在其末尾添加$ 以分别匹配字符串的开头和结尾。这将使模式匹配整个字符串并产生您想要的结果：

string input = "Mountain View, CA 94043";
string pattern = @"^(?i:(?:([^\d,]+?)\W+\b((?:CA|SD|SC|CT|DC)\b)?\W*)?(\d{5}(?:[- ]\d{3,4})?)?)$";

Match m = Regex.Match(input, pattern);

foreach (Group g in m.Groups)
{
    Console.WriteLine(g.Value);
}

由于您没有将模式限制为完全匹配，如上所述，它发现了部分匹配，特别是因为您的某些组是完全可选的。因此，它将“Mountain”视为匹配项，然后将“View, CA 94043”视为下一个匹配项。

编辑：根据 cmets 中的要求，我将尝试指出 Java 和 .NET 正则表达式方法之间的区别。

在 Java 中，如果模式匹配整个字符串，matches() 方法将返回真/假。因此，它不需要使用边界锚或原子零宽度断言来修改模式。在 .NET 中没有这样的等效方法可以为您执行此操作。相反，您需要显式添加 ^ 和 $ 元字符，以分别匹配字符串或行的开头和结尾，或者 \A 和 \z 元字符对整个字符串执行相同的操作.有关 .NET 元字符的参考，请查看 this MSDN page。我不确定 Java 的 matches() 使用哪一组锚点，尽管 this article 建议使用 \A 和 \z。

Java 的matches() 返回一个布尔值，而.NET 提供Regex.IsMatch() method 来做同样的事情（除了已经讨论过的匹配整个字符串的区别）。与 Java 的 find() 方法等效的 .NET 方法是 Regex.Match() method，您可以在循环中使用它来继续查找下一个匹配项。此外，.NET 提供了一个Regex.Matches() 方法，可以为您执行此操作，并返回成功匹配的集合。根据您的需要和输入，这可能没问题，但为了增加灵活性，您可能需要在循环中检查Match.Success 并使用Match.NextMatch() method 继续寻找匹配项（NextMatch 中提供了一个示例链接）。