Java正则表达式用于匹配字符串中的多个键

Question

考虑一个输入字符串

Number ONE=1 appears before TWO=2 and THREE=3 comes before FOUR=4 and FIVE=5

和正则表达式

\b(TWO|FOUR)=([^ ]*)\b

使用此正则表达式，以下代码可以从总共 5 个键值对中提取 2 个特定的键值对(即，只应提取一些预定义的键值对)。

  public static void main(String[] args) throws Exception {
    String input = "Number ONE=1 appears before TWO=2 and THREE=3 comes before FOUR=4 and FIVE=5";
    String regex = "\\b(TWO|FOUR)=([^ ]*)\\b";
    Pattern pattern = Pattern.compile(regex);
    Matcher matcher = pattern.matcher(input);
    while (matcher.find()) {
      System.out.println("\t" + matcher.group(1) + " = " + matcher.group(2));
    }
  }

更具体地说，上面的 main() 方法打印

TWO = 2
FOUR = 4

但每次调用 find() 时，都会对整个正则表达式进行评估，以查找最新匹配项之后剩余的字符串部分(从左到右)。

此外，如果键不是相互不同的(或者，如果在每个键的位置使用具有重叠匹配的正则表达式)，则会有多个匹配。例如，如果正则表达式变为

\b(O.*?|T.*?)=([^ ]*)\b

上述方法产生

ONE = 1
TWO = 2
THREE = 3

如果正则表达式没有完全重新评估，但每个替代部分都以某种方式检查一次(或者，如果使用了适当修改的正则表达式)，则输出将是

ONE = 1
TWO = 2

那么，有两个问题:

1. 与原始正则表达式相比，是否有更有效的方法来提取一组选定的唯一键及其值？
2. 是否有一个正则表达式可以匹配 OR (|) 子表达式的每个替代部分一次并且不再对其进行求值？

Answer 1

Java 返回匹配位置:您可以对剩余子字符串使用动态生成的正则表达式

了解它可以推广到更复杂和有用的场景后，让我们对第一个示例进行一些变体:\b(TWO|FOUR|SEVEN)=([^ ]*)\b

你可以像这样使用它:

Pattern regex = Pattern.compile("\\b(TWO|FOUR|SEVEN)=([^ ]*)\\b");
Matcher regexMatcher = regex.matcher(yourString);
if (regexMatcher.find()) {
    String theMatch = regexMatcher.group();
    String FoundToken =  = regexMatcher.group(1);
    String EndPosition = regexMatcher.end();
} 

然后你可以:

• 测试 FoundToken 包含的值
• 根据该值，动态生成针对剩余可能标记的正则表达式测试。例如，如果您找到 FOUR，您的新正则表达式将为 \\b(TWO|SEVEN)=([^ ]*)\\b
• 使用 EndPosition，将该正则表达式应用于字符串的末尾。

讨论

• 此方法将有助于您实现不重新评估已匹配的 OR 部分的目标。
• 它还有助于您避免重复的目标。
• 这样会更快吗？不是在这个简单的例子中。但您说您正在处理一个实际问题，并且在某些情况下这将是一种有效的方法。