java - 以下关于边界匹配器正则表达式的代码片段存在问题 (\b)

Question

我的输入:

 1. end 
 2. end of the day or end of the week 
 3. endline
 4. something 
 5. "something" end

根据上述讨论，如果我尝试使用此代码片段替换单个字符串，它会成功从该行中删除适当的单词

public class DeleteTest {

    public static void main(String[] args) {

        // TODO Auto-generated method stub
        try {
        File file = new File("C:/Java samples/myfile.txt");
        File temp = File.createTempFile("myfile1", ".txt", file.getParentFile());
        String delete="end";
        BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(file)));
        PrintWriter writer = new PrintWriter(new OutputStreamWriter(new FileOutputStream(temp)));

        for (String line; (line = reader.readLine()) != null;) {
            line = line.replaceAll("\\b"+delete+"\\b", "");
       writer.println(line);
        }
        reader.close();
        writer.close();
        }
        catch (Exception e) {
            System.out.println("Something went Wrong");
        }
    }
}

我的输出如果我使用上面的代码片段:(也是我的预期输出)

 1.  
 2. of the day or of the week
 3. endline
 4. something
 5. "something"

但是当我包含更多要删除的单词时，并且为此目的，当我使用 Set 时，我使用以下代码片段:

public static void main(String[] args) {

    // TODO Auto-generated method stub
    try {

    File file = new File("C:/Java samples/myfile.txt");
    File temp = File.createTempFile("myfile1", ".txt", file.getParentFile());
    BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(file)));
    PrintWriter writer = new PrintWriter(new OutputStreamWriter(new FileOutputStream(temp)));

        Set<String> toDelete = new HashSet<>();
        toDelete.add("end");
        toDelete.add("something");

    for (String line; (line = reader.readLine()) != null;) {
        line = line.replaceAll("\\b"+toDelete+"\\b", "");
    writer.println(line);
    }
    reader.close();
    writer.close();
    }
    catch (Exception e) {
        System.out.println("Something went Wrong");
    }
}

我的输出为:(它只是删除了空格)

 1. end
 2. endofthedayorendoftheweek
 3. endline
 4. something
 5. "something" end 

你们能帮我解决这个问题吗？

Click here to follow the thread

Answer 1

您需要创建一个 alternation group出组与

String.join("|", toDelete)

并用作

line = line.replaceAll("\\b(?:"+String.join("|", toDelete)+")\\b", "");

图案看起来像

\b(?:end|something)\b

请参阅regex demo 。在这里，(?:...)是一个非捕获组，用于分组多个替代方案，而不为捕获创建内存缓冲区(您不需要它，因为您删除了匹配项)。

或者，更好的是，在进入循环之前编译正则表达式:

Pattern pat = Pattern.compile("\\b(?:" + String.join("|", toDelete) + ")\\b");
...
    line = pat.matcher(line).replaceAll("");

更新:

要允许匹配可能包含特殊字符的整个“单词”，您需要 Pattern.quote这些单词来转义那些特殊字符，然后您需要使用明确的单词边界，(?<!\w)而不是最初的 \b确保 and (?!\w) 之前没有单词 char负向前瞻而不是最终的 \b确保匹配后没有单词字符。

在 Java 8 中，您可以使用以下代码:

Set<String> nToDel = new HashSet<>();
nToDel = toDelete.stream()
    .map(Pattern::quote)
    .collect(Collectors.toCollection(HashSet::new));
String pattern = "(?<!\\w)(?:" + String.join("|", nToDel) + ")(?!\\w)";

正则表达式将类似于 (?<!\w)(?:\Q+end\E|\Qsomething-\E)(?!\w) 。请注意 \Q 之间的符号和\E被解析为文字符号。