与java正则表达式意外匹配[重复]

Question

我想在文本中找到 x 类型的 xml 标记

• 为空（仅包含空格）
• 可能有也可能没有属性

也是这样的

<x>  </x>
<x a="v">  </x>

我将以下正则表达式与 Matcher 查找函数结合使用。

<x.*?> +</x>

我得到了意想不到的匹配。请参阅以下测试用例

@Test
public void sample() throws Exception
{
    String text = "Lorem <x>ipsum <x>dolor sit amet</x> </x>";
    String regex = "<x.*?> +</x>";

    Matcher matcher = Pattern.compile(regex).matcher(text);
    assertFalse(matcher.find());
}

测试失败。相反，这是真的

assertTrue(matcher.find());
assertEquals("<x>ipsum <x>dolor sit amet</x> </x>", matcher.group());

find 函数是否不支持非贪心运算符或这里出了什么问题？

PS 我知道有很多不同的方法来处理 xml 数据。但这不是重点。

Answer 1

.*? 量词意味着它将找到尽可能少的字符来满足匹配，这并不意味着它将在找到的第一个 > 处停止搜索。所以在你的例子中，<x.*?> 将匹配所有：

<x>ipsum <x>dolor sit amet</x>

第一个x 和最后一个> 之间的所有字符都满足.*?。要解决此问题，您只需将模式更改为：

<x[^>]*> +</x>

顺便说一句，之前已经说过很多次了，但是you should not use regular expressions to parse xml/html/xhtml。