Java:如何使用 Pattern 类来提取表达式的片段？

Question

我有以下模式定义:

private static final String D = "(Mon|Tue|Wed|Thu|Fri|Sat|Sun)";
private static final String DD = "(" + D + "-" + D + ")";
private static final String m_daysPattern = "(" + D + "|" + DD + ")(?:,(" + D + "|" + DD + "))*";
private static final Pattern m_daysRegex = Pattern.compile(m_daysPattern);

此正则表达式应匹配如下表达式:

• “周一至周五”
• “周二至周五，周日”
• “周一至周三、周五至周日”

我在 .NET 中使用命名组很容易做到这一点，但在 Java 6 中我有点迷茫。任何人都可以给我一个代码示例，它可以让我提取日期并准确理解给定表达式中提到的范围和单个日期吗？

谢谢。

编辑1

好的，这是我检查 m_daysRegex.matcher("Mon-Fri") 组时得到的结果:

matchDays.groupCount() = 10
matchDays.groups = [0,7,0,7,-1,-1,0,7,0,3,4,7,-1,...,-1] (22 values)
matchDays.group(0) = "Mon-Fri"
matchDays.group(1) = "Mon-Fri"
matchDays.group(2) = null
matchDays.group(3) = "Mon-Fri"
matchDays.group(4) = "Mon"
matchDays.group(5) = "Fri"
matchDays.group(6) = null
matchDays.group(7) = null
matchDays.group(8) = null
matchDays.group(9) = null
matchDays.group(10) = null

谁能给我解释一下这一切的逻辑？我的意思是我不仅应该得到“Mon”和“Fri”，而且我还必须知道它们是范围子表达式“Mon-Fri”的一部分，而不仅仅是“Mon,Fri”。

顺便说一句，匹配“Mon,Fri”给我们这个:

matchDays.groupCount() = 10
matchDays.groups = [0,7,0,3,0,3,-1,-1,-1,-1,-1,-1,4,7,4,7,-1,...,-1] (22 values)
matchDays.group(0) = "Mon,Fri"
matchDays.group(1) = "Mon"
matchDays.group(2) = "Mon"
matchDays.group(3) = null
matchDays.group(4) = null
matchDays.group(5) = null
matchDays.group(6) = "Fri"
matchDays.group(7) = "Fri"
matchDays.group(8) = null
matchDays.group(9) = null
matchDays.group(10) = null

不一样，这很好。我仍然觉得很难理解算法。

这在 .NET 中非常容易，所以我期待在 Java 中也能做到同样简单。公平，不是吗？

EDIT2

是否有解释这些内容的 Java 正则表达式指南？到目前为止，我看到的所有指南都检查了非常简单的正则表达式。

EDIT3

好的，我开始明白了。我的正则表达式可以这样描述:

 (          // 1 = D1|D2-D3
  (D1)|     // 2 = D1
  (         // 3 = D2-D3
   (D2)-    // 4 = D2
   (D3)     // 5 = D3
  )
 )
 (?:,
  (         // 6 = D4|D5-D6
   (D4)|    // 7 = D4
   (        // 8 = D5-D6
    (D5)-   // 9 = D5
    (D6)    // 10 = D6
   )
  )
 )*

它解释了“Mon-Fri”和“Mon,Fri”的组值。但是重复是如何处理的呢？例如，“周一、周三、周五”？仍在努力弄清楚。

EDIT4

我现在明白了。我可以匹配具有重复的复杂正则表达式，但我无法轻松提取相应的匹配项 - 必须使用 find() 方法和更简单的子正则表达式进行迭代。因此，就我而言，我决定:

1. 匹配整个表达式以确保其有效
2. 将其拆分(使用来自 apache 的 StringUtils.split)','
3. 迭代拆分部分，必要时用“-”拆分。

感谢所有好心人的帮助。

Answer 1

有关捕获组等的说明，请转到此处:http://docs.oracle.com/javase/6/docs/api/java/util/regex/Pattern.html

至于你的模式，如果你写出所有的括号，你会得到:

((d)|((d)-(d)))(?:,((d)|((d)-(d))))*

d在哪里

Mon|Tue|...

列出组，使用 M 显示属于给定组的部分:

 0 - the matching string, if there is one
 1 - ((M)|((M)-(M)))(?:,((d)|((d)-(d))))*
 2 - ((M)|((d)-(d)))(?:,((d)|((d)-(d))))*
 3 - ((d)|((M)-(M)))(?:,((d)|((d)-(d))))*
 4 - ((d)|((M)-(d)))(?:,((d)|((d)-(d))))*
 5 - ((d)|((d)-(M)))(?:,((d)|((d)-(d))))*
 6 - ((d)|((d)-(d)))(?:,((M)|((M)-(M))))*
 7 - ((d)|((d)-(d)))(?:,((M)|((d)-(d))))*
 8 - ((d)|((d)-(d)))(?:,((d)|((M)-(M))))*
 9 - ((d)|((d)-(d)))(?:,((d)|((M)-(d))))*
10 - ((d)|((d)-(d)))(?:,((d)|((d)-(M))))*

给定字符串“Mon-Fri”，您将获得在输出中看到的字符串，即

 0 - Mon-Fri i.e. the full match
 1 - Mon-Fri i.e. ((M)|((M)-(M)))
 2 - null i.e. not matched by (M)
 3 - Mon-Fri i.e. ((M)-(M))
 4 - Mon i.e. the first (M) in group 3
 5 - Fri i.e. the second (M) in group 3
 6 - and so on...

对于多场比赛，你会做类似的事情

Matcher m = pattern.matcher(input);
while (m.find()) {
    // extract groups from m
}

编辑:想一想，您可能不需要最后一部分，即

(?:,((d)|((d)-(d))))*

在你的模式中。只需将 while 循环与

(d)|((d)-(d))

找到每个部分的模式(即逗号之间的内容)。