Question

我正在使用java.util.Scanner来扫描大字符串中所有出现的给定正则表达式。

Scanner sc = new Scanner(body);
sc.useDelimiter("");
String match = "";
while(match!=null)
{
    match = sc.findWithinHorizon(pattern, 0);
    if(match==null)break;
    MatchResult mr = sc.match();
    System.out.println("Match string: "+mr.group());
    System.out.println("Match string using indexes: "+body.substring(mr.start(),mr.end());
}

奇怪的是，在一定次数的扫描之后，group（）方法返回正确的事件，而start（）和end（）方法返回错误的索引，例如扫描从文件的开头重新启动。正则表达式是多行的（我使用这个正则表达式来发现换行符“\ r \ n | [\ n \ r \ u \ u2028 \ u2029 \ u0085]”）。

你有任何提示吗？它可能与“horizon”参数有关（我尝试过该值的差异组合）？

有关更多详细信息，它似乎与文件的维度（超过1000个字符）相关，在大约1000之后计数器从0重新启动（例如，在1003：1020之后第一个错误的索引发生变为3：120）。

Answer 1

Scanner使用带有1024个字符的内部缓冲区。请改用Pattern：

Matcher matcher = Pattern.compile(...).matcher(body);
while(matcher.find()) {
    int start = matcher.start();
}

Java java.util.regex.MatchResult与Scanner的计数器问题

1 个答案: