Question

我有一系列名称采用以下形式：

史密斯，约翰沃尔特
Jones，James Samuel，Jr。

我努力寻找一个正则表达式，这将允许我将每个元素作为单独的文本元素提取。我的代码目前看起来如下：

Pattern pattern = Pattern.compile("(.+?), (.+?) (.*)(?:, )((.*))?$");
Matcher matcher = pattern.matcher( name2 );

System.out.println( matcher.find() );     
System.out.println( matcher.groupCount() );
System.out.println( matcher.group( 1 ) );  
System.out.println( matcher.group( 2 ) );  
System.out.println( matcher.group( 3 ) );  
System.out.println( matcher.group( 4 ) )

此模式与第二个名称格式匹配，允许我提取其组成部分但与第一个不匹配（毫无疑问是由于前瞻）。当我向前看可选（(.+?), (.+?) (.*)(?:, )?((.*))?$）时，我匹配第一个名称格式，但是当我使用第二个名称格式时，我同时捕获中间名和后缀。我确信有一种简单的方法可以实现我的目标，但在正则表达式方面我相对缺乏经验。

提前感谢您的帮助！

Answer 1

你的模式没有前瞻。 (?:pattern)的模式称为非捕获组。它们就像常规匹配一样，除了它们允许您在括号中对东西进行分组而没有分配group(n)个数字。这很好，因为你真的不需要为此目的进行前瞻。

您需要说的是逗号和后缀作为一个组是可选的。为此，请将逗号和后缀放在括号中（您可以在此处使用(?:），并在整个组之后放置?：

Pattern pattern = Pattern.compile("(.+?), (.+?) (.*)(?:, (.*))?$");

但是，这不会解决您的第二个问题，即第三个组(.*)将消耗尽可能多的字符。由于最后一部分（逗号+后缀）是可选的，因此正则表达式发现它可以使用字符串的其余部分并仍然获得匹配。要解决此问题，您可以将其视为不情愿的匹配，就像您对前两组所做的那样：

Pattern pattern = Pattern.compile("(.+?), (.+?) (.*?)(?:, (.*))?$");

或者只是告诉(.*)不要匹配任何逗号：

Pattern pattern = Pattern.compile("(.+?), (.+?) ([^,]*)(?:, (.*))?$");

注意：我还没有测试其中任何一个。

使用java regex重新排序名称

1 个答案: