Question

我尝试使用正则表达式编写Java程序以匹配模式并提取它。给定一个字符串，例如“这是一个链接 - ＃www.google.com＃，这是另一个＃google.com＃”，我应该可以获得＃www.google.com＃和＃google.com＃strings extract。这是我试过的 -

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ParseLinks {
    public static void main(String[] args) {
        String message = "This is a link- #www.google.com# and this is another #google.com#";
        Pattern p = Pattern.compile("#.*#");

        Matcher matcher = p.matcher(message);

        while(matcher.find()) {
            String result = matcher.group();
            System.out.println(result);
        }       
    }
}

这会产生输出#www.google.com＃，这是另一个＃google.com＃。但我想要的只是字符串＃www.google.com＃和＃google.com＃extracted。我可以为此了解正则表达式吗？

Answer 1

#[^#]+#

虽然考虑到这一点，但由于相当明显的原因，哈希标记是划分网址的不错选择。

你的不起作用的原因是明星的贪婪（来自regular-expressions.info）：

[明星]重复上一个项目零次或多次。贪心，所以很多尽可能匹配项目在尝试用较少的排列之前前一项的匹配，最多为前一项的位置根本不匹配。

Answer 2

假设Java正则表达式支持它，请使用非贪婪模式.*?而不是贪婪.*，以便它尽快结束捕获而不是迟到了。

如果语言不支持，那么你可以通过简单地检查任何不是结束分隔符的东西来近似它，如下所示：

#[^#]*#

Answer 3

默认情况下，正则表达式为“贪婪”，也就是说，它们将匹配尽可能多的文本。在您的示例中，“＃。*＃”模式转换为

匹配“＃”
匹配尽可能多的字符，这样你仍然可以......
...匹配“＃”

您想要的是“非贪婪”或“不情愿”模式，例如“*？”。在你的情况下尝试“＃。*？＃”。

Java正则表达式匹配模式并提取它们

3 个答案: