java - 在Java中查找多个正则表达式匹配，禁止不匹配

Question

我有一个 Java Pattern 例如 \s+(foo|bar) 来查找 foo 或 bar 的所有匹配项空格后的。使用匹配组我可以提取实际匹配的文本。

Pattern pattern=Pattern.compile("\\s+(foo|bar)");
Matcher matcher = pattern.match(someText);
while(matcher.find()) {
  String value = matcher.group(1);
  ...
}

这适用于像 foo foo bar 这样的字符串(注意前面的空格)，但它也可以匹配像 foo foo bad 这样的字符串。我怎样才能阻止匹配器匹配不匹配的后续字符运行，或者检测到字符被跳过或没有更多的剩余字符？换句话说，我希望匹配的整个字符串是与该模式匹配的后续字符串的序列。我如何保证这一点？

这里的要点是继续遍历字符串查找匹配项。我可以轻松地分割字符串，然后执行额外的比较，但我不希望产生多个正则表达式传递、数组/列表创建等的开销。

Answer 1

在正则表达式中添加 \G 前缀。 Pattern 的 Javadoc说:

\G - The end of the previous match

当然，在第一场比赛中，“上一场比赛的结束”就是输入的开始。

这确保正则表达式匹配都是连续的，从输入的开头开始。并不意味着正则表达式会到达输入的末尾，您必须自己检查。

示例

public static void main(String[] args) {
    test("abc");
    test(" foo foo bar");
    test(" foo foo bad");
    test(" foo bad foo");
}

static void test(String input) {
    System.out.println("'" + input + "'");
    int lastEnd = 0;
    Matcher m = Pattern.compile("\\G\\s+(foo|bar)").matcher(input);
    while (m.find()) {
        System.out.printf("  g0='%s' (%d-%d), g1='%s' (%d-%d)%n",
                          m.group(), m.start(), m.end(),
                          m.group(1), m.start(1), m.end(1));
        lastEnd = m.end();
    }
    if (lastEnd == input.length())
        System.out.println("  OK");
    else
        System.out.println("  Incomplete: Last match ended at " + lastEnd);
}

输出

'abc'
  Incomplete: Last match ended at 0
' foo foo bar'
  g0=' foo' (0-4), g1='foo' (1-4)
  g0=' foo' (4-8), g1='foo' (5-8)
  g0=' bar' (8-12), g1='bar' (9-12)
  OK
' foo foo bad'
  g0=' foo' (0-4), g1='foo' (1-4)
  g0=' foo' (4-8), g1='foo' (5-8)
  Incomplete: Last match ended at 8
' foo bad foo'
  g0=' foo' (0-4), g1='foo' (1-4)
  Incomplete: Last match ended at 4

为了进行比较，如果正则表达式中没有 \G，该代码的输出将是:

'abc'
  Incomplete: Last match ended at 0
' foo foo bar'
  g0=' foo' (0-4), g1='foo' (1-4)
  g0=' foo' (4-8), g1='foo' (5-8)
  g0=' bar' (8-12), g1='bar' (9-12)
  OK
' foo foo bad'
  g0=' foo' (0-4), g1='foo' (1-4)
  g0=' foo' (4-8), g1='foo' (5-8)
  Incomplete: Last match ended at 8
' foo bad foo'
  g0=' foo' (0-4), g1='foo' (1-4)
  g0=' foo' (8-12), g1='foo' (9-12)
  OK

如您所见，最后一个示例无法检测到跳过的文本 bad。