Java正则表达式匹配太多

Question

所以我正在写一盘国际象棋PGN解析器，我在分解文件时遇到问题。以下是一些注意事项:

我将整个文件放入一个字符串中，所以我的内容如下:

[Event "Rising Stars vs Experience"]
[Site "Amsterdam NED"]
[Date "2010.08.22"]
[Round "10"]
[White "Peter Heine Nielsen"]
[Black "Anish Giri"]
[Result "1-0"]
[ECO "E05"]
[WhiteElo "2700"]
[BlackElo "2672"]
[Annotator "Soltis, Andy"]
[PlyCount "113"]
[EventDate "2010.08.12"]

1. d4 Nf6 2. c4 e6 3. Nf3 d5 4. g3 Be7 5. Bg2 O-O 6. O-O dxc4 7. Qc2 a6 8. a4
Bd7 9. Qxc4 Bc6 10. Bg5 h6 11. Bxf6 Bxf6 12. Nc3 Bxf3 13. Bxf3 c6 14. Qb3 Ra7
15. Ne4 Bxd4 16. Rfd1 Qb6 17. Qd3 c5 18. e3 Be5 19. Rac1 Nc6 20. Nxc5 Rd8 21.
Nd7 Qxb2 22. Qc4 b5 23. axb5 axb5 24. Qxc6 Raxd7 {Diagram [#]} 25. Qxd7 (25.
Rxd7 Rxd7 26. Qxd7 Qxc1+) 25... Rxd7 26. Rc8+ (26. Rxd7 Qxc1+) 26... Kh7 27.
Rxd7 Kg6 28. h4 Qa3 29. Kg2 Kf6 30. Rb7 Qd6 31. Ra8 b4 32. Raa7 Qf8 33. h5 Bd6
34. Rd7 Be5 35. Rab7 Qe8 36. Bd1 Bc3 37. Bb3 Bd2 38. Kf1 Bc3 39. Ke2 Qg8 40.
Bc2 Qe8 41. f4 g5 42. hxg6 fxg6 43. e4 g5 44. e5+ Bxe5 45. Rf7+ Qxf7 46. fxe5+
Kg7 47. Rxf7+ Kxf7 48. g4 Kg7 49. Kf3 Kf7 50. Bb3 Ke7 51. Ke4 Kf7 52. Bd1 Kg7
53. Kd4 Kg6 54. Kc4 h5 55. gxh5+ Kf5 56. h6 Kg6 57. Bg4 1-0
.
.

一遍又一遍。我正在尝试创建一种模式，该模式将解析开头的标签，然后解析移动文本。因此，在我上面列出的示例中，应该有 13 个标签，后跟与第一个游戏匹配的 1 个游戏文本。随后的每场比赛都类似地进行匹配。

我使用的正则表达式是:

private static final String PGN_PATTERN = "(^\\[\\w+\\s+\".*\"\\])+(.*(1-0|0-1))";

我认为让我困惑的部分是我用来捕获游戏 Action 的 '.*' 表达式。对于这部分，我还没有想出一个像样的模式，所以我只想在字符串中捕获游戏 Action ，然后继续下一个模式。

有人可以帮我解决这个问题吗？

Answer 1

您需要使用 Pattern.compile(PGN_PATTERN, Pattern.DOTALL) 启用与点匹配的换行符。

无论如何，正则表达式并不是解析这个问题的最佳方法。

So in the example I listed above, there should be 13 tags followed by 1 game text matched for this first game.

但是你的正则表达式将只返回 3 组:#1 将包含一个标签(一组只能包含一个值)，#3 将包含分数，#2 将包含许多不同的值事情。

如果您只想跳过标签，则需要修复正则表达式:

PGN_PATTERN = "(?:^\\[\\w+\\s+\"[^\"]*\"\\]\n+)+\n*(.*?(1-0|0-1))"; 
                ^                 ^         ^    |         ^
                |                 |         |    |         |
                |                 |         |    |         -- how do you match draws?
                |                 |         |    ---- blank lines between headers and body
                |                 |         --- you need to match the lines too
                |                 ---- so it won't match all the tags at once and will be faster
                ------- we're skipping them, so (?:…)

现在，group(1) 包含带有分数的 Action ，group(2) 包含分数本身，并且标题将被忽略。

要解析 header ，您需要更复杂的东西，而不是正则表达式。