用于匹配有效 Java 标识符的 Java 正则表达式

Question

我需要创建一个能够在 Java 代码中查找和获取有效标识符的正则表达式，如下所示：

int a, b, c;
float d, e;
a = b = 5;
c = 6;
if ( a > b)
{
c = a - b;
e = d - 2.0;
}
else
{
d = e + 6.0;
b = a + c;
}

我尝试在单个正则表达式中添加多个正则表达式，但如何构建排除保留字的模式？

我尝试了这个正则表达式^(((&&|<=|>=|<|>|!=|==|&|!)|([-+=]{1,2})|([.!?)}{;,(-]))|(else|if|float|int)|(\d[\d.]))，但它没有按预期工作。

Online demo

在下图中，我应该如何匹配标识符？

Answer 1

Java 的有效标识符是：

1. 至少有一个字符
2. 第一个字符必须是字母[a-zA-Z]、下划线_或美元符号$
3. 其余字符可以是字母、数字、下划线或美元符号
4. 不得将保留字用作标识符
5. 更新：单下划线_ 是关键字since Java 9

验证前三个条件的简单正则表达式如下：(\b([A-Za-z_$][$\w]*)\b)，但它不会过滤掉保留字。

要排除保留字，需要负前瞻(?!) 来指定一组无法匹配的标记： \b(?!(_\b|if|else|for|float|int))([A-Za-z_$][$\w]*):

• 第 1 组：(?!(_\b|if|else|for|float|int)) 排除指定单词的列表
• 第 2 组：([A-Za-z_$][$\w]*) 匹配标识符。

但是，单词边框\b 会消耗美元符号$，因此此正则表达式无法匹配以$ 开头的标识。
此外，我们可能希望排除字符串和字符文字内部的匹配（“not_a_variable”、“c”、“\u65”）。

这可以通过使用正向lookbehind (?<=)来匹配组before主表达式来完成，而不是将其包含在结果中而不是word-border类\b： (?<=[^$\w'"\\])(?!(_\b|if|else|for|float|int))([A-Za-z_$][$\w]*)

Online demo for a short list of reserved words

接下来，Java保留字的完整列表如下，可以收集成一个单独的以|分隔的标记字符串。

下面提供了一个测试类，展示了正则表达式的最终模式及其用于检测 Java 标识符的用法。

import java.util.Arrays;
import java.util.List;
import java.util.regex.MatchResult;
import java.util.regex.Pattern;

public class IdFinder {

    static final List<String> RESERVED = Arrays.asList(
        "abstract", "assert", "boolean", "break", "byte", "case", "catch", "char", "class", "const",
        "continue", "default", "double", "do", "else", "enum", "extends", "false", "final", "finally",
        "float", "for", "goto", "if", "implements", "import", "instanceof", "int", "interface", "long",
        "native", "new", "null", "package", "private", "protected", "public", "return", "short", "static",
        "strictfp", "super", "switch", "synchronized", "this", "throw", "throws", "transient", "true", "try",
        "void", "volatile", "while", "_\\b"
    );

    static final String JAVA_KEYWORDS = String.join("|", RESERVED);

    static final Pattern VALID_IDENTIFIERS = Pattern.compile(
            "(?<=[^$\\w'\"\\\\])(?!(" + JAVA_KEYWORDS + "))([A-Za-z_$][$\\w]*)");

    public static void main(String[] args) {
        System.out.println("ID pattern:\n" + VALID_IDENTIFIERS.pattern());

        String code = "public class Main {\n\tstatic int $1;\n\tprotected char _c0 = '\\u65';\n\tprivate long c1__$$;\n}";

        System.out.println("\nIdentifiers in the following code:\n=====\n" + code + "\n=====");

        VALID_IDENTIFIERS.matcher(code).results()
                         .map(MatchResult::group)
                         .forEach(System.out::println);
    }
}

输出

ID pattern:
(?<=[^$\w'"\\])(?!(abstract|assert|boolean|break|byte|case|catch|char|class|const|continue|default|double|do|else|enum|extends|false|final|finally|float|for|goto|if|implements|import|instanceof|int|interface|long|native|new|null|package|private|protected|public|return|short|static|strictfp|super|switch|synchronized|this|throw|throws|transient|true|try|void|volatile|while|_\b))([A-Za-z_$][$\w]*)

Identifiers in the following code:
=====
public class Main {
    static int $1;
    protected char _c0 = '\u65';
    private long c1__$$;
}
=====
Main
$1
_c0
c1__$$