正则表达式：以消息和父消息花括号之间的字符串开头

Question

我想获取所有的消息数据。这样它应该在父消息的大括号之间查找消息和所有数据。使用下面的模式，我没有得到所有的父体。

 String data = "syntax = \"proto3\";\r\n" + 
            "package grpc;\r\n" + 
            "\r\n" + 
            "import \"envoyproxy/protoc-gen-validate/validate/validate.proto\";\r\n" + 
            "import \"google/api/annotations.proto\";\r\n" + 
            "import \"google/protobuf/wrappers.proto\";\r\n" + 
            "import \"protoc-gen-swagger/options/annotations.proto\";\r\n" + 
            "\r\n" + 
            "message Acc {\r\n" + 
            "    message AccErr {\r\n" + 
            "        enum Enum {\r\n" + 
            "            UNKNOWN = 0;\r\n" + 
            "            CASH = 1;\r\n" + 
            "        }\r\n" + 
            "    }\r\n" + 
            "    string account_id = 1;\r\n" + 
            "    string name = 3;\r\n" + 
            "    string account_type = 4;\r\n" + 
            "}\r\n" + 
            "\r\n" + 
            "message Name {\r\n" + 
            "    string firstname = 1;\r\n" + 
            "    string lastname = 2;\r\n" + 
            "}";
        List<String> allMessages = new ArrayList<>();
        Pattern pattern = Pattern.compile("message[^\\}]*\\}");
        Matcher matcher = pattern.matcher(data);
        while (matcher.find()) {
            String str = matcher.group();
            allMessages.add(str);
            System.out.println(str);
        }
    }
    

我希望在我的大小为 2 的字符串数组列表中得到如下响应。

allMessage.get(0) 应该是：

message Acc {
    message AccErr {
        enum Enum {
            UNKNOWN = 0;
            CASH = 1;
        }
    }
    string account_id = 1;
    string name = 3;
    string account_type = 4;
}

而allMessage.get(1) 应该是：

message Name {
    string firstname = 1;
    string lastname = 2;
}

Answer 1

首先删除"message" 出现在行首之前的输入，然后在换行符上拆分，然后是"message"（在拆分中包含换行符，以便使用干预父消息的换行符）：

String[] messages = data.replaceAll("(?sm)\\A.*?(?=message)", "").split("\\R+(?=message)");

见live demo。

如果您确实需要List<String>，请将结果传递给Arrays.asList()：

List<String> = Arrays.asList(data.replaceAll("(?sm)\\A.*?(?=message)", "").split("\\R+(?=message)"));

第一个正则表达式匹配从 start 到但不包括以 message 开头的第一行，它被替换为空白（即删除）。分解：

• (?sm) 打开标志 s，使 dot 也匹配换行符，m，使 ^ 和 $ 匹配每行的开始和结束
• \\A 表示输入的开始
• .*? .* 表示任意数量的任意字符（包括根据设置的s 标志的换行符），但添加? 会使这个不情愿，所以它匹配为few 个字符，同时仍然匹配
• (?=^message) 是一个向前看，表示以下字符是行首，然后是"message"

详细解释请参阅regex101 live demo。

当"message" 后跟一个或多个换行序列时，拆分正则表达式匹配：

• \\R+ 表示一个或多个换行序列（所有操作系统变体）
• (?=message) 是 向前看 表示以下字符是 "message"

详细解释请参阅regex101 live demo。

Answer 2

为你的正则表达式试试这个。它锚定 message 作为行的开头，并使用正向前瞻来查找下一条消息或消息的结尾。

Pattern.compile("(?s)\r\n(message.*?)(?=(\r\n)+message|$)")
// or
Pattern.compile("(?s)\r?\n(message.*?)(?=(\r?\n)+message|$)")

也没有拆分、解析或管理嵌套大括号:)

https://regex101.com/r/Wa2xxx/1