与此字符序列不匹配的正则表达式

Question

这是我的正则表达式，我正在尝试搜索所有特殊字符，以便将它们转义。

(\(|\)|\[|\]|\{|\}|\?|\+|\\|\.|\$|\^|\*|\||\!|\&|\-|\@|\#|\%|\_|\"|\:|\<|\>|\/|\;|\'|\`|\~)

我的问题是，我不想只在顺序出现时转义一些特殊字符

喜欢这个(.*)

那么，让我们来看一个例子。

Sting message = "Hi, Mr.Xyz! Your account number is :- (1234567890) , (,*) &$@%#*(....))(((";

根据当前的正则表达式转义后，我得到的是，

Hi, Mr\.Xyz\! Your account number is \:\- \(1234567890\) , \(,\*\) \&\$\@\%\#\*\(\.\.\.\.\)\)\(\(\(

但是不想逃避这部分(.*)想保持原样。

我上面的正则表达式只用于搜索，所以我只是不想匹配这部分(.*)，我的问题将得到解决

任何人都可以建议不逃避该部分字符串的正则表达式吗？

Answer 1

请参阅 @nhahtdh 了解如何使用正则表达式。

作为替代方案，这是一个不使用正则表达式的解决方案，而是使用 Guava 的 CharMatcher：

private static final CharMatcher SPECIAL
    = CharMatcher.anyOf("allspecialcharshere");
private static final String NO_ESCAPE = "(.*)";

public String doEncode(String input)
{
    StringBuilder sb = new StringBuilder(input.length());

    String tmp = input;

    while (!tmp.isEmpty()) {
        if (tmp.startsWith(NO_ESCAPE)) {
            sb.append(NO_ESCAPE);
            tmp = tmp.substring(NO_ESCAPE.length());
            continue;
        }
        char c = tmp.charAt(0);
        if (SPECIAL.matches(c))
            sb.append('\\');
        sb.append(c);
        tmp = tmp.substring(1);
    }

    return sb.toString();
}

Answer 2

这个答案只是为了证明这种可能性。在生产代码中使用它是有问题的。

可以使用 Java String replaceAll 函数：

String input = "Hi, Mr.Xyz! Your account number is :- (1234567890) , (.*) &$@%#*(....))(((";
String output = input.replaceAll("\\G((?:[^()\\[\\]{}?+\\\\.$^*|!&@#%_\":<>/;'`~-]|\\Q(.*)\\E)*+)([()\\[\\]{}?+\\\\.$^*|!&@#%_\":<>/;'`~-])", "$1\\\\$2");

结果：

"Hi, Mr\.Xyz\! Your account number is \:\- \(1234567890\) , (.*) \&\$\@\%\#\*\(\.\.\.\.\)\)\(\(\("

另一个测试：

String input = "(.*) sdfHi test message <> >>>>><<<<f<f<,,,,<> <>(.*) sdf (.*)  sdf (.*)";

结果：

"(.*) sdfHi test message \<\> \>\>\>\>\>\<\<\<\<f\<f\<,,,,\<\> \<\>(.*) sdf (.*)  sdf (.*)"

---

说明

原始正则表达式：

\G((?:[^()\[\]{}?+\\.$^*|!&@#%_":<>/;'`~-]|\Q(.*)\E)*+)([()\[\]{}?+\\.$^*|!&@#%_":<>/;'`~-])

注意\ 在字符串中指定正则表达式时会再次转义，" 需要转义。上面可以看到生成的字符串中的正则表达式。

原始替换字符串：

$1\\$2

由于$在替换字符串中有特殊含义，并且您想保留它为$2，您需要转义\，这样\就不会转义$。并将替换字符串放在带引号的字符串中，您需要将\ 的数量加倍以转义\。

在我们剖析怪物之前，让我们谈谈这个想法。我们将使用非特殊字符，以及我们不想替换的序列，并且尽可能多地使用。下一个字符要么是一个特殊字符，不是我们不想替换的序列，要么是字符串的结尾（这意味着我们已经找到了所有需要替换的字符，如果有的话）。

当然，我们可以将任意字符串视为由以下许多连续模式组成：[0 or more (non-special character or special pattern not to be replace)][special character]，字符串以[0 or more (non-special character or special pattern not to be replace)] 结尾。

replaceAll 函数在与没有\G 的正则表达式一起使用时可能会找到不连续的匹配项，这可能会在不被替换的序列中间切开并搞砸。 \G 表示上一场比赛的边界，可用于确保下一场比赛从上一场比赛结束的地方开始。

• \G：从最后一场比赛开始

• ((?:[^()\[\]{}?+\\.$^*|!&@#%_":<>/;'`~-]|\Q(.\*)\E)*+)：捕获0个或多个，非特殊字符或特殊模式不被替换。请注意，我在* 之后添加了所有格限定符+。这将防止引擎在找不到我们在此之后指定的特殊字符时回溯。

  • [^()\[\]{}?+\\.$^*|!&@#%_":<>/;'`~-]：特殊字符的否定字符类。

  • \Q(.*)\E：特殊序列(.*) 不可替换，由\Q 和\E 引用。

• ([()\[\]{}?+\\.$^*|!&@#%_":<>/;'`~-])：捕获单个特殊字符。

整个正则表达式将匹配最小长度为 1 的字符串（特殊字符）。第一个捕获组包含不应替换的部分，第二个捕获组包含应替换的特殊字符。