java - Java正则表达式向后引用两位数

Question

我正在使用正则表达式，并且想在Java中String类的replaceAll方法上使用它。

我的正则表达式可以正常工作，并且groupCount()返回11。因此，当我尝试使用指向第11个组的后向引用替换文本时，我得到的第一个组带有附加的“ 1”，而不是第11个组。

String regex = "(>[^<]*?)((\+?\d{1,4}[ \t\f\-\.](\d[ \t\f\-\.])?)?(\(\d{1,4}([\s-]\d{1,4})?\)[\.\- \t\f])?((\d{2,6}[\.\- \t\f])+\d{2,6})|(\d{6,16})([;,\.]{1,3}\d{3,}#?)?)([^<]*<)";
String text = "<span style=\"font-size:11.0pt\">675-441-3144;;;78888464#<o:p></o:p></span>":
String replacement = text.replaceAll(regex, $1<a href="tel:$2">$2</a>$11");

我期望得到以下结果：

<span style=\"font-size:11.0pt\"><a href=\"tel:675-441-3144;;;78888464#\">675-441-3144;;;78888464#</a><o:p></o:p></span>

但是$ 11的反向引用没有返回第11个组，而是返回了第一个附加了1的组，相反，我得到了以下结果：

<span style="font-size:11.0pt"><a href="tel:675-441-3144">675-441-3144</a>>1o:p></o:p></span>

有人可以告诉我如何访问我的模式的第11组吗？

谢谢。

Answer 1

简短答案

在替换中，您访问比赛第11组的方式是使用$11。

说明：

如corresponding Javadoc *所述：


  替换字符串可能包含对捕获的子序列的引用
  在上一场比赛中：每次出现${name}或$g
  替换为评估相应group(name)的结果，或者
  group(g)。对于$g，在$之后的第一个数字始终是
  视为组参考的一部分。随后的数字是
  如果它们构成法律组参考，则合并到g中。


因此，一般来讲，只要至少有11个组，"$11"的值就会为group(11)。但是，如果您没有至少11个组，则"$11"将计算为group(1) + "1"。

*此引用来自Matcher#appendReplacement(StringBuffer,String)，这是来自String#replaceAll(String,String)的相关引用链的链接。



实际答案

您的正则表达式不会执行您认为的操作。

第1部分

问题

让我们将正则表达式分为三个顶级组。这些分别是组1、2和11。


第一组：
(>[^<]*?)
第2组：
((\+?\d{1,4}[ \t\f\-\.](\d[ \t\f\-\.])?)?(\(\d{1,4}([\s-]\d{1,4})?\)[\.\- \t\f])?((\d{2,6}[\.\- \t\f])+\d{2,6})|(\d{6,16})([;,\.]{1,3}\d{3,}#?)?)
第11组：
([^<]*<)


第2组是您的正则表达式的主体，它由两个选项的顶级交替组成。这两个选项分别由3-8组和9-10组组成。


第一种选择：
((\+?\d{1,4}[ \t\f\-\.](\d[ \t\f\-\.])?)?(\(\d{1,4}([\s-]\d{1,4})?\)[\.\- \t\f])?((\d{2,6}[\.\- \t\f])+\d{2,6})
第二种选择：
(\d{6,16})([;,\.]{1,3}\d{3,}#?)?)


现在，给出text字符串，这是怎么回事：


组1执行。它匹配第一个">"。
第2组执行。它按顺序评估其交替的选项。


执行第2组交替的第一个选项。它匹配"675-441-3144"。
第2组的轮换在其选项之一匹配时成功短路。


现在，第2组整体等于匹配的选项，即"675-441-3144"。
现在，光标位于"675-441-3144"之后，也就是";;;78888464#"之前。


第11组执行。它匹配下一个"<"中所有的所有内容。


因此，您希望放在第2组中的某些内容实际上是在第11组中。

解决方案

请同时执行以下两项操作：


将第2组的内容转换为

option1|option2

至

option1(option2)?|option2

将替换模式中的 ";;;78888464#<"更改为 $11。


这会使贪婪地匹配一个或两个选项，而不是只有一个选项。替换模式的修改是因为我们添加了一个组。

第2部分

问题

现在，我们已经修改了正则表达式，原来的“选项2”不再有意义。给定我们新的模式模板 $12，第2组将不可能匹配 option1(option2)?|option2。这是因为我们原始的“选项1”将匹配所有 "675-441-3144;;;78888464#"，然后停止。然后，我们原来的“选项2”将尝试匹配 "675-441-3144"，但是将无法匹配，因为它以6-10位数字的强制捕获组开头： ";;;78888464#"，而 (\d{6,16})以分号开头。

解决方案

将原始“选项2”的内容转换为

(\d{6,16})([;,\.]{1,3}\d{3,}#?)?

至

([;,\.]{1,3}\d{3,}#?)?

第三部分

问题

我们还有最后一个问题要解决。既然我们原来的“选项2”仅由带有 ";;;78888464#"量词的单个组组成，就有可能成功匹配零长度子串。因此，我们的模式模板 ?可能会导致长度为零的匹配，这不能满足匹配电话号码的预期目的。

解决方案

请执行以下两个操作：


将新的“选项2”的内容转换为

（[;，。] {1,3} \ d {3，}＃？）？

至

[;，。] {1,3} \ d {3，}＃？
将替换字符串中的 option1(newoption2)?|newoption2更改为 $12，因为现在已经在两个位置删除了一个组。




最终的解决方案

综上所述，我们的最终解决方案如下。

搜索正则表达式：

(>[^<]*?)((\+?\d{1,4}[ \t\f\-\.](\d[ \t\f\-\.])?)?(\(\d{1,4}([\s-]\d{1,4})?\)[\.\- \t\f])?((\d{2,6}[\.\- \t\f])+\d{2,6})([;,\.]{1,3}\d{3,}#?)?|[;,\.]{1,3}\d{3,}#?)([^<]*<)

替换正则表达式：

$1<a href="tel:$2">$2</a>$10

Java：

final String searchRegex = "(>[^<]*?)((\\+?\\d{1,4}[ \\t\\f\\-\\.](\\d[ \\t\\f\\-\\.])?)?(\\(\\d{1,4}([\\s-]\\d{1,4})?\\)[\\.\\- \\t\\f])?((\\d{2,6}[\\.\\- \\t\\f])+\\d{2,6})([;,\\.]{1,3}\\d{3,}#?)?|[;,\\.]{1,3}\\d{3,}#?)([^<]*<)";
final String replacementRegex = "$1<a href=\"tel:$2\">$2</a>$10";

String text = "<span style=\"font-size:11.0pt\">675-441-3144;;;78888464#<o:p></o:p></span>";
String replacement = text.replaceAll(searchRegex, replacementRegex);

Proof of correctness