Question

我正在尝试开发一个正则表达式来查找字符串中的一系列标记。例如，我可以将标记(NP .*)至少一次（可以多次），然后是标点符号（在本例中为./.）。如果de (NP)和./.之间有另一个标记（如下例中的VP），则匹配器不能找到任何内容。问题是，即使我在.*之后使用问号，它也会继续寻找使表达式与字符串中的某些内容匹配的)。这是我的方法：

public void myMethod() {
    String input = "(NP first tag) (VP second tag) ./.";
    String regex = "(\\(NP .*?\\)( )?)+" + "\\./\\.";

    Pattern pattern = Pattern.compile("(" + regex + ")");
    Matcher matcher = pattern.matcher(input);

    if (matcher.find()) {
        System.out.println("<S "+matcher.group(0)+">");
    } else {
        System.out.println("sem grupos.");
    }
}

该方法仍将匹配正则表达式，但不应该。我需要它告诉我没有找到任何组，因为“VP”标签不应该在那里。我认为问题依赖于正则表达式在Java中采用的贪婪策略。它试图找到一些符合正则表达式描述的模式的字符组合。我不知道如何重写这个表达式。

任何帮助？

编辑：

1）我注意到我的问题有点令人困惑，所以我改变了一些例子以使其更清晰。

2）谢谢Aan Moore。我同意我使用的组不是必要的，但这是因为像+这样的运营商。我试图削减不必要的群体。您将.*?替换为[^)]*?的简单想法也很棒！我调整的唯一一件事是我使用)转义了[^\\)]*?符号。下面我展示了最终使用的REGEX。

String regex = "(\\(NP [^\\)]*?\\) ?)+\\./\\.";

非常感谢！：）

Answer 1

((\(NP .*?\)( )?)+\./\.)是已编译的模式。

简化：

\(NP .*?\) ?+\./\.删除未使用的捕获组。

现在，让我们看一下您拥有的示例字符串：

在(NP first tag) (VP second tag) ./.中，.*?匹配first tag) (VP second tag 在(NP first tag) (VP second tag) (MISC tag that must not be catch) ./.，.*?匹配first tag) (VP second tag) (MISC tag that must not be catch。

为什么呢？我的意思是，这不是非贪心的吗？对，但是......

.*?\)开始匹配first tag)，你想要什么。然而，正则表达式的其余部分未能通过匹配，正则表达式引擎会将其作为可能的答案抛出并继续查看。

如果您没有像（NP（tag））这样的标签中的标签，您可以更改模式：\(NP [^)]*?\)

要匹配您在问题中描述的字符串：\(NP [^)]*?\) ?\(VP [^)]*?\) \./\.

随着Java转义，它变为\\(NP [^)]*?\\) ?\\(VP [^)]*?\\) \./\.。

为了进一步阅读，有一个很好的Stack Overflow question涵盖了更多的理论和实践。

关于Java的正则表达式：避免Matcher类不必要的“贪婪”策略

1 个答案: