java - Java 中的正则表达式。意外行为

Question

我试图匹配大部分数字，但根据表达式后面的单词，我需要做出改变。

我匹配每个后面没有温度术语(例如°C)或时间规范的数字。我的正则表达式如下所示:

(((\d+?)(\s*)(\-)(\s*))?(\d+)(\s*))++(?!minuten|Minuten|min|Min|Stunden|stunden|std|Std|°C| °C)

这是一个示例:http://regexr.com?33jeg

虽然这种行为是我所期望的，但 Java 会执行以下操作:Index是第4场比赛对应的Group

0: "4 "1: "4 "2: "0 - "3: "0"4: " "5: "-"6: " "7: "4"8: " "9: "°C"

您需要知道我单独匹配每个字符串。所以 5 的匹配看起来像这样:

0: "5 "1: "5 "2: "null"3: "null"4: "null"5: "null"6: "null"7: "5"8: " "9: "null"

这就是我希望另一场比赛的样子。仅当“-”位于匹配之前的字符串中的某个位置时，才会出现这种令人不愉快的行为

我的Java代码如下:

public static void adaptPortionDetails(EList<Step> steps, double multiplicator){
    
    String portionMatcher = "(((\\d+?)(\\s*)(\\-)(\\s*))?(\\d+)(\\s*))++(?!°C|Grad|minuten|Minuten|min|Min|Stunden|stunden|std|Std)";
    
    for (int i = 0; i < steps.size(); i++) {
        Matcher matcher = Pattern.compile(portionMatcher).matcher(
                steps.get(i).getDescription());
        StringBuffer sb = new StringBuffer();
        while (matcher.find()) {
            printGroups(matcher);
            String newValue1Str;
            if (matcher.group(3) == null){
                newValue1Str = "";
                System.out.println("test");
            }else{
                double newValue1 = Integer.parseInt(matcher.group(3)) * multiplicator;
                newValue1Str = Fraction.getFraction(newValue1).toProperString();
            }
            double newValue2 = Integer.parseInt(matcher.group(7)) * multiplicator;
            String newValue2Str = Fraction.getFraction(newValue2).toProperString();
            
            
            matcher.appendReplacement(sb, newValue1Str + "$4$5$6" + newValue2Str + "$8");
        }
        matcher.appendTail(sb);
        steps.get(i).setDescription(sb.toString());
    }
}

希望你能告诉我我错过了什么。

Answer 1

这似乎是 Java 实现中的一个错误(或功能？)。当必须从下一个索引重做匹配时，它似乎不会重置捕获组的捕获文本。

此测试揭示了 Java 正则表达式引擎和 PHP 的 PCRE 之间的行为差​​异。

• 正则表达式:(\d+(-\d+)?){1}+(?!x)
• 输入:34 ​​34-43x 78 90
• Java 结果:3 个匹配项(34、78、90)。第二场比赛的第二个捕获组是-43。第二个捕获组在第 1 场和第 3 场比赛中没有捕获任何内容。
• PHP result :也是相同的 3 场比赛，但第二个捕获组没有捕获所有比赛的任何内容。对于 PHP 的 PCRE 实现，当必须重做匹配时，捕获组的捕获文本将被重置。

已在 JRE 6 Update 37 和 JRE 7 Update 11 上进行了测试。

同样的结果，只是为了证明当必须重做匹配时捕获的文本不会重置:

• 正则表达式:a(\d+(-\d+)?){1}+(?!x)
• 输入:a34 a34-43x a78 a90
• PHP result

关于您的正则表达式的一些评论

我认为++应该是{1}+，因为你似乎想一次修改一个数字或一个数字范围，同时使匹配所有格以丢弃不需要的数字。

解决方法

第一组(最外层的捕获组)捕获所有内容(一个数字或一系列数字)，在找到匹配项时将始终被覆盖。因此您可以信赖它。您可以检查组1中是否存在-(使用contains方法)。如果有，则可以判断捕获组 2 包含当前匹配中捕获的文本，并且您可以使用捕获的文本。如果没有，那么您可以忽略捕获组 2 及其嵌套捕获组中的所有捕获文本。