java - Java 中的正则表达式 : Capturing string up to a certain group of words

Question

我正在 try catch 一个字符串，直到某个词组中的某个词为止。

我只想捕获这些词中的第一个实例之前的字符串，因为它们可能在字符串中出现多次。

例如:

词组:(是，在，为了)

String = "从前有一只狐狸在洞里";会返回“曾几何时”

谢谢

Answer 1

你需要的是一个Lookahead .您的情况的确切正则表达式是:

/^.+?(?=(?:was)|(?:in)|(?:for))/

无论如何，^ 匹配字符串的开头，.+?是惰性匹配(它将匹配尽可能短的字符串)，(?= ...) 表示“后跟”，(?: ...) 是一个非捕获组 - 这对您来说可能是必要的，也可能不是。

对于奖励积分，您可能应该使用单词边界来确保匹配整个单词，而不是子字符串(“The fox wasn't”将返回“The fox”)，以及一个前导空格杀死比赛中尾随空格的前瞻:

/^.+?(?=\s*\b(?:was)|(?:in)|(?:for)\b)/

其中\s* 匹配任意数量的空格(包括完全没有)，而\b 匹配单词的开头或结尾。这是一个零宽度断言，意味着它不匹配实际字符。

或者，在 Java 中:

Pattern p = Pattern.compile("^.+?(?=\\s*\\b(?:was)|(?:in)|(?:for)\\b)");

我认为这会奏效。我没有使用过它，但根据文档，那个确切的字符串应该可以工作。只需要转义所有反斜杠即可。

编辑

我在这里，一年多后，我才意识到上面的正则表达式并没有像我当时认为的那样。交替具有最高优先级，而不是最低优先级，因此这种模式更正确:

/^.+?(?=\s*\b(?:was|in|for)\b)/

比较这个new regex到我的old one.此外， future 的旅行者，如果不存在这样的中断词，您可能希望捕获整个字符串。试试这个尺寸:

/^(?:(?!\s*\b(?:was|in|for)\b).)*/

这个使用了 NEGATIVE 前瞻(断言匹配失败的模式)。它可能更慢，但它仍然可以完成工作。 See it in action here .