使用 \b 进行 Java 正则表达式排序

Question

当与单词边界\b 结合使用时，我遇到了 Java 正则表达式的一个奇怪问题。 通读Oracle - RegexBounds和RegularExpressions - WordBoundaries

下面是我的正则表达式（Java 字符串）（用于电子邮件地址）

"\\b[A-Z0-9._!#$%&'*+-/=?^`{}|~]+@([-0-9a-zA-Z]+[.])+[a-zA-Z]{2,6}$"

此正则表达式匹配电子邮件test$@example.com，但不匹配$test@example.com。

但是，当我删除 \b（Java 字符串 \\b）时，它会匹配这两个电子邮件。正则表达式中的所有特殊字符都是这种情况。

\b 在正则表达式的排序中发生了什么？我认为[A-Z0-9._!#$%&'*+-/=?^`{}|~]+ 应该以任何顺序匹配文本，而不管\b

代码片段：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ValidationUtil {

    private static final String EMAIL_ADDRESS_REGEX = "\\b[A-Z0-9._!#$%&'*+-/=?^`{}|~]+@([-0-9a-zA-Z]+[.])+[a-zA-Z]{2,6}$";
    private static final Pattern EMAIL_ADDRESS_PATTERN = Pattern.compile(EMAIL_ADDRESS_REGEX, Pattern.CASE_INSENSITIVE);

    public static boolean isValidEmail(String email) {
        if (email == null) {
            return false;
        }
        Matcher matcher = EMAIL_ADDRESS_PATTERN.matcher(email);
        return matcher.matches();
    }
}

在这个问题之后，我将正则表达式验证移至apache-commons EmailValidator。但仍然很好奇为什么会出现这种奇怪的行为。

我浏览了许多关于 \b 问题的 stackoverflow 主题，但找不到相关主题。

Answer 1

引用您链接到的page：

有资格作为单词边界的三个不同位置：

• 在字符串的第一个字符之前，如果第一个字符是单词字符。
• ...

第一个字符 $ 不是单词字符，因此 \b 在字符串的开头不匹配，因此整个正则表达式不匹配。

Answer 2

首先，您需要将未转义的连字符放在字符类中的第一个或最后一个位置。第二个您不能在$ 之前使用字边界，因为$ 不被视为字字符。

这个修改后的正则表达式lookbehind based应该适合你：

(?<!\w)[\w.!#$%&'*+/=?^`{}|~-]+@([-0-9a-zA-Z]+[.])+[a-zA-Z]{2,6}$

RegEx Demo

这里(?<!\w) 表示如果前面没有单词字符则匹配。