Question

我希望从包含数字的字符串生成正则表达式，然后将其用作模式来搜索类似的字符串。例如：

String s = "Page 3 of 23"

如果我用\d

替换所有数字

    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < s.length(); i++) {
    char c = s.charAt(i);
    if (Character.isDigit(c)) {
        sb.append("\\d"); // backslash d
    } else {
        sb.append(c);
        }
    }

    Pattern numberPattern = Pattern.compile(sb.toString());

//    Pattern numberPattern = Pattern.compile("Page \d of \d\d");

我可以使用它来匹配类似的字符串（例如"Page 7 of 47"）。我的问题是，如果我天真地这样做，一些元字符，如(){}-等将不会被转义。是否有一个库可以执行此操作，或者是正则表达式的详尽字符集，我必须且不能逃避？（我可以尝试从Javadocs中提取它们，但我担心会遗漏一些东西。）

另外还有一个已经执行此操作的库（我现阶段不想使用完整的自然语言处理解决方案）。

注意：@ dasblinkenlight编辑的答案现在适合我！

Answer 1

Java的regexp库提供了这个功能：

String s = Pattern.quote(orig);

“quoted”字符串将使其所有元字符都被转义。首先，转义字符串，然后遍历它并用\d替换数字以生成正则表达式。由于正则表达式库使用\Q和\E进行引用，因此您需要将正则表达式的部分用\E和\Q的反引号括起来。

我在实现中会改变的一件事是替换算法：我会替换组中的数字，而不是逐字符替换。这样，Page 3 of 23生成的表达式就会匹配Page 13 of 23和Page 6 of 8等字符串。

String p = Pattern.quote(orig).replaceAll("\\d+", "\\\\E\\\\d+\\\\Q");

无论最初有哪些页码和计数，这都是produce "\QPage \E\d+\Q of \E\d+\Q\E"。输出只需要\d中的一个而不是两个斜杠，因为结果直接送到regex引擎，绕过了Java编译器。

从字符串生成正则表达式

1 个答案: