java - 如何获取给定正则表达式的所有子字符串？

Question

我需要获取与正则表达式匹配的所有子字符串，我知道我可以为它构建一个自动机，但我正在寻找更简单的解决方案。
问题是，Matcher.find() 不会返回所有结果。

String str = "abaca";
Matcher matcher = Pattern.compile("a.a").matcher(str);
while (matcher.find()) {
   System.out.println(str.substring(matcher.start(),matcher.end()));
}

结果是 aba 而不是我想要的 aba,aca...
有什么想法吗？
编辑:另一个例子:for string=abaa, regex=a.*a 我期望得到 aba,abaa,aa
附:如果无法使用正则表达式实现，这也是一个答案，我只是想知道我不是为了语言已经提供给我的东西而重新发明轮子...

Answer 1

你可以这样做:

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

public class Main {

    public static List<String> getAllMatches(String text, String regex) {
        List<String> matches = new ArrayList<String>();
        Matcher m = Pattern.compile("(?=(" + regex + "))").matcher(text);
        while(m.find()) {
            matches.add(m.group(1));
        }
        return matches;
    }

    public static void main(String[] args) {
        System.out.println(getAllMatches("abaca", "a.a"));
        System.out.println(getAllMatches("abaa", "a.*a"));
    }
}

打印:

[aba, aca]
[abaa, aa]

唯一的问题是您在最后一个匹配列表中缺少 aba。这是因为 a.*a 中的贪心 .*。你不能用正则表达式来解决这个问题。您可以通过遍历所有可能的子字符串并在每个子字符串上调用 .matches(regex) 来做到这一点:

public static List<String> getAllMatches(String text, String regex) {
    List<String> matches = new ArrayList<String>();
    for(int length = 1; length <= text.length(); length++) {
        for(int index = 0; index <= text.length()-length; index++) {
            String sub = text.substring(index, index + length);
            if(sub.matches(regex)) {
                matches.add(sub);
            }
        }
    }
    return matches;
}

如果您的文本保持相对较小，这会起作用，但对于较大的字符串，这可能会变得计算量太大。