java - 正则表达式 Lookahead 未按预期匹配

Question

我正在编写一个小型java程序来进行一些数据库清理，当它们与某些关键字出现在同一个句子中时，我需要从大文本 block 中提取日期，并且我遇到了一些奇怪的行为想不通。例如，以下正则表达式:

"(?=.*(due|submit|deadline)[^\\d]*)"
+ "(january|february|march|april|may|june|july|august|september|october|november|december)"
+ "\\s*(0?[1-9]|[12][0-9]|3[01])(th|rd|nd|st)*,*\\s*((19|20)\\d\\d)"

与此不匹配:

“必须在 2013 年 6 月 19 日星期三中午 12 点之前提交，届时将被阅读。”

尽管关键字“submit”出现在日期之前。如果我去掉前瞻，字符串就会匹配。谁能看到我做错了什么吗？谢谢!

Answer 1

您似乎忘记了前瞻是零宽度，这意味着正则表达式光标将设置在前瞻开始检查其条件的位置。这意味着部分匹配

+ "(january|february|march|april|may|june|july|august|september|october|november|december)"
+ "\\s*(0?[1-9]|[12][0-9]|3[01])(th|rd|nd|st)*,*\\s*((19|20)\\d\\d)";

需要存在于前瞻开始检查的位置之后。

要解决这个问题，您需要在 (january|... 之前添加 .*? ，让月份存在更远的地方，通过前瞻检查并匹配 (就像到期之前的地方)。

此外，为了避免多次使用前瞻，请通过在开头添加 ^ 使其仅在字符串开始后查找匹配项。

所以你的最终正则表达式可以看起来像

    String regex = "^(?=.*(due|submit|deadline)[^\\d]*)"
            + ".*?(january|february|march|april|may|june|july|august|september|october|november|december)"
            + "\\s*(0?[1-9]|[12][0-9]|3[01])(th|rd|nd|st)*,*\\s*((19|20)\\d\\d)";

Look-ahead demo

<小时/>

实际上我不确定你为什么要使用前瞻。不会像

    String regex = "(due|submit|deadline).*?"
            + "(january|february|march|april|may|june|july|august|september|october|november|december)"
            + "\\s*(0?[1-9]|[12][0-9]|3[01])(th|rd|nd|st)*,*\\s*((19|20)\\d\\d)";

也做你想做的事吗？

No look-ahead demo