从 java 到 php 的正则表达式转换

Question

我在 php 中有一个正则表达式，我需要将它转换为 java。 有可能这样做吗？如果是，我该怎么办？

提前致谢

$region_pattern = "/<a href=\"#\"><img src=\"images\/ponto_[^\.]+\.gif\"[^>]*>[&nbsp;]*<strong>(?P<neighborhood>[^\(<]+)\((?P<region>[^\)]+)\)<\/strong><\/a>/i" ;

Answer 1

从任何正则表达式到 java 的典型转换是：

• 排除模式分隔符 => 删除开头和结尾 /
• 删除标志，这些标志应用于Pattern 对象，这是尾随i。您应该将其放在 Pattern 对象的初始化中，或者将其添加到正则表达式中，例如(?i)<regex>
• 用\\替换所有\，\在java中已经有含义（在字符串中转义），要在java中的正则表达式中使用反斜杠，你必须使用\\而不是\，所以\w 变成了\\w。并且\\ 变为\\\\

上面的正则表达式会变成

Pattern.compile("<a href=\"#\"><img src=\"images\\/ponto_[^\\.]+\\.gif\"[^>]*>[&nbsp;]*<strong>(?P<neighborhood>[^\\(<]+)\\((?P<region>[^\\)]+)\\)<\\/strong><\\/a>", Pattern.CASE_INSENSITIVE);

但是这会失败，我认为这是因为?P 是一个修饰符，我不知道它存在于 Java 中，所以它是一个无效的正则表达式。

Answer 2

原始正则表达式存在一些问题，必须首先清除。首先是[ ]，它匹配&、n、b、s、p 或; 中的一个字符。要匹配实际的不间断空格字符，您应该使用\xA0。

那里还有很多不需要的反斜杠。您可以通过将正则表达式分隔符更改为 / 以外的其他内容来摆脱一些；不需要其他的，因为它们在字符类中，大多数元字符在其中失去了特殊含义。剩下的就是这个 PHP 正则表达式：

"~<a href=\"#\"><img src=\"images/ponto_[^.]+\.gif\"[^>]*>\xA0*<strong>(?P<neighborhood>[^(<]+)\((?P<region>[^)]+)\)</strong></a>~i"

有三件事使这个正则表达式与 Java 不兼容。一个是分隔符（最初是/，上面的版本中是~）以及尾随的i 修饰符。 Java 根本不使用正则表达式分隔符，所以只需删除它们。可以使用正则表达式开头的内联形式(?i) 将修饰符移动到正则表达式本身。 （顺便说一句，这也适用于 PHP。）

接下来是反斜杠。用于转义引号的那些保持原样，但所有其他的都加倍，因为 Java 对字符串文字中的转义序列更加严格。

最后是命名组。在 Java 6 之前，完全不支持命名组。 Java 7 支持它们，但它们使用 .NET 青睐的较短的 (?<name>...) 语法， 不是 Pythonesque (?P<name>...) 语法。 （顺便说一下，较短的(?<name>...) 版本也可以在 PHP 中使用（(?'name'...) 也应该在 .NET 中引入）。

因此，您的正则表达式的 Java 7 版本将是：

"(?i)<a href=\"#\"><img src=\"images/ponto_[^.]+\\.gif\"[^>]*>\\xA0*<strong>(?<neighborhood>[^(<]+)\\((?<region>[^)]+)\\)</strong></a>"

对于 Java 6 或更早版本，您可以使用：

"(?i)<a href=\"#\"><img src=\"images/ponto_[^.]+\\.gif\"[^>]*>\\xA0*<strong>([^(<]+)\\(([^)]+)\\)</strong></a>"

...您必须使用数字而不是名称来指代捕获的组。

Answer 3

REGEX 是 REGEX，与语言无关。您发布的 REGEX 将适用于 Java 和 PHP。您确实需要进行一些调整，因为两种语言所采用的模式并不完全相同（尽管模式本身适用于两种语言）。

需要考虑的要点

• 您应该知道 Java 的 Pattern 对象应用标志，而不必在模式字符串本身上指定它们。
• 也不应包含分隔符。只有模式本身。