java - 复杂的lookbehind中的无限量词

Question

我在编写这个正则表达式时遇到了很多麻烦:

(?<=\s+|^\s*|\(\s*|\.)(?:item|item1|item2)(?=\s+|\s*$|\s*\)|\.)

它在我的正则表达式编辑器 (Expresso) 和 .NET 环境中工作得很好，但在 Java 环境(使用 Eclipse Helios R2 的 JRE 1.6.0.25)中它不起作用，因为 Pattern.compile()方法抛出“语法错误 U_REGEX_LOOK_BEHIND_LIMIT”异常。

那是因为背后的模式 (?<=\s+|^\s*|\(\s*|\.)必须有一个定义的限制(据我所知，这里不允许使用无限制的量词，例如 * 和 +)。

我也尝试以这种方式指定重复范围，但没有成功:

(?<=\s{0,1000}|^\s{0,1000}|\(\s{0,1000}|\.)(?:item|item1|item2)(?=\s+|\s*$|\s*\)|\.)

那么，我怎样才能编写一个在 Java 环境下也能工作的相同正则表达式呢？我不敢相信这种常见情况没有解决方法......

Answer 1

请记住，向后查找只会向后查找所需的距离。例如，(?<=\s+)如果前一个字符是空格，则满足；它不需要再往前看。

你的后视也是如此。如果它不是字符串的开头，并且前一个字符不是空格、左括号或句点，则没有必要再往前看。它相当于这样:

(?<=^|[\s(.])

你的前瞻可以用同样的方式压缩。如果它不是字符串的结尾，并且下一个字符不是空格、右括号或句点，则没有必要进一步查找:

(?=[\s).]|$)

所以最终的正则表达式是:

(?<=^|[\s(.])(?:item|item1|item2)(?=[\s).]|$)