java.util.regex 引擎中奇怪的正向前瞻行为答案

【问题标题】：Weird Positive Lookahead behaviour in java.util.regex enginejava.util.regex 引擎中奇怪的正向前瞻行为
【发布时间】：2011-02-15 11:47:34
【问题描述】：

我有许多特定种类的动物和一些陷阱的文字，以及其他没有意思的文字，例如“cat dog house 131 bird 1341 house trap cat cat cat dog trap house dog house trap”。

我正在尝试构建一个正则表达式，它将找到每个陷阱的最近优先级动物，例如"cat dog house 131 鸟 1341 house trap cat cat cat dog trap strong> 房子狗房子陷阱”。

我写了这个正则表达式：(cat|dog|bird)(?!.*(cat|dog|bird).*).*trap

这是我的完整 Java 代码：

Pattern p = Pattern.compile("(cat|dog|bird)(?!.*(cat|dog|bird).*).*trap");
Matcher m = p.matcher("cat dog house 131 bird 1341 house trap cat cat cat dog trap house dog house trap");
int start = 0;
while (m.find(start)) {
    System.out.println(m.group(0));
    System.out.println(m.group(1));
    start = m.start + 1; //increment
}

奇怪的是，它只找到最后一次出现，而不是第一次、第二次和最后一次。上面代码的输出是：

dog house trap
dog

这是为什么呢？我试图通过在正则表达式前面加上 ^.*? 来将其锚定到开头，但它没有帮助。

【问题讨论】：

标签： java regex lookahead

【解决方案1】：

你可以这样做：

Pattern p = Pattern.compile("(cat|dog|bird)((?!cat|dog|bird).)*?trap");
Matcher m = p.matcher("cat dog house 131 bird 1341 house trap cat cat cat dog trap house dog house trap");
while (m.find()) {
  System.out.println(m.group(1) + " :: " + m.group(0));
}

产生：

bird :: bird 1341 house trap 
dog :: dog trap 
dog :: dog house trap

简要说明：

(cat|dog|bird)        # match one of: 'cat', 'dog' or 'bird'
(                     # start group 2
  (?!cat|dog|bird).   #  if none of 'cat', 'dog' or 'bird' are ahead, match any char (except line breaks)
)*?                   # end group 2 and reluctantly match it zero or more times
trap                  # match 'trap'

您可以在否定前瞻中添加trap，但“不情愿”量词将导致trap 的第一次出现被匹配为结尾。

【讨论】：

【解决方案2】：

这是因为你的表达方式表明动物永远不能被任何动物跟随。这就是为什么只匹配最后一个“被困动物”的原因。

这是一个很难解决的问题，因为基本上你想说“之间有一些东西不匹配 bird|dog|cat”。

我能想出的最佳解决方案是这个（而且它并不漂亮！）

import java.util.regex.*;

public class Test {

    public static void main(String[] args) {

        String pat = "(cat|dog|bird)([^bcd]|b(?!ird)|c(?!at)|d(?!og))*trap";

        String str = "cat dog house 131 bird 1341 house trap cat cat cat dog " +
                     "trap house dog house trap";

        Pattern p = Pattern.compile(pat);
        Matcher m = p.matcher(str);
        int start = 0;
        while (m.find(start)) {
            System.out.printf("Found trapped %s at %d%n", m.group(1), m.start());
            start = m.start() + 1;
        }
    }
}

输出：

Found trapped bird at 18
Found trapped dog at 51
Found trapped dog at 66

基本上是这样说的，

cat|dog|bird，后跟
除b、c 和d 之外的任何字符，或
- b（但后面没有ird），或
- c（但后面没有at），或
- d（但后面没有og）。
后跟trap

【讨论】：

【解决方案3】：

我无法编辑，但在最后一行应该是start = m.start + 1;。

【讨论】：

【解决方案4】：

正如 aioobe 所说，这解决起来很麻烦，而且随着您的要求变得更加复杂，通过 RegEx 解决问题只会变得更麻烦。

类似（伪代码）...

str = "cat dog house 131 bird 1341 house trap cat cat cat dog trap house dog house trap";
arr = str.split(" "); //split on spaces
trapping = null;

for each item in arr {
  if (isTrap(item) && trapping != null) { 
    reportTrappedAnimal(trapping);
    trapping = null;     
  } else if (isAnimal(item)) { 
    trapping = item;
  }
}

您可以使用正则表达式来实现isAnimal() 和isTrap()，但根据您的要求，这可能是矫枉过正或不切实际。

【讨论】：