Question

我的输入是这样的：

line 1
**ER1.RIAA.SOMPSFIO(LIAOEE)         UTGD788  FDSJOFUZZÃ„                                                                                                                                                                              line2      
JNDJZSDS ER1.RIAA.SIMEDFUA(AUDD)                YIRIHFIH1465EZZÃ„     

line 3
UJZRJOERERÃLDE,UIE='UJ1.DHZKZ5.OZDEZN98.AAERRE',I=DZEDE                   POPZEOE**

我想只获得带句点的字符，即：

ER1.RIAA.SOMPSFIO
ER1.RIAA.SIMEDFUA
UJ1.DHZKZ5.OZDEZN98.AAERRE

我的解决方案是：

try {
    StringBuilder sb = new StringBuilder();
    String line = br.readLine();

    while (line != null) {
        nrligne++;

int counter = 0;

for (int i=0; i<line.length(); i++ ) {
    if( line.charAt(i) == '.' ) {
        counter++;
    }
}

if (counter == 2) {

    if (line.matches("^.*[A-Z0-9]+\\..[A-Z1-9]+.*$")){

        line= removeTroublesomeCharacters(line);
        System.out.println("ligne vaut "+line);

        Pattern dsnPattern = Pattern.compile("^.*([A-Z0-9]+)\\..([A-Z1-9]+)\\..([A-Z1-9]+).*$");
        Matcher m = dsnPattern.matcher(line);

        if (m.matches()) {
            String part1   = m.group(1);
            String part2   = m.group(2);
            String part3   = m.group(3);

            System.out.println("part1 vaut "+part1);
            System.out.println("part2 vaut "+part2);
            System.out.println("part2 vaut "+part3);
        }               
    }

目前结果是

ligne vaut ï»¿ER1.RIAA.SOMPSFIO(LIAOEE)                                                                                             UTGD788
part1 vaut 1
part2 vaut IAA
part2 vaut OMPSFIO
ligne vaut PZFDSJOFUZZÃâ                                                                                                                                                                                    ER1.RIAA.SIMEDFUA(AUDD)                                                                                             UOOO88
part1 vaut 1
part2 vaut IAA
part2 vaut IMEDFUA
ligne vaut UJZRJOERERÃLDE,UIE='UJ1.DHZKZ5.OZDEZN98',I=DZEDE                                                                                                                                                                                                                                                                      POPZEOE
part1 vaut 1
part2 vaut HZKZ5
part2 vaut ZDEZN98

输入中的文件：http://uploadhero.co/dl/PWBLhi7d 我不明白为什么正则表达式会吃掉每个角色的开头？有人可以帮我解决这个问题吗？

Answer 1

因为您在dot之后消耗了额外的字符，而不是在字符类中包含它。

\\..   // this will match a dot, and then following single character.

另外，将正则表达式开头的.*设为.*?。由于量词在默认情况下是贪婪的，因此它们会消耗所有字符，只需在.之前留下一个单词，以便与([a-z0-9]+)匹配。

将正则表达式更改为：

"^.*?([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+).*$"

另外，既然您正在使用Pattern和Matcher，我会考虑使用Matcher#find()方法，并针对我需要的部分构建模式：

Pattern dsnPattern = Pattern.compile("([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+)");
Matcher m = dsnPattern.matcher(line);

if (m.find()) {

Answer 2

由于表达式的捕获部分之前和之后都是“吃任何东西”.*表达式，因此您希望捕获的部分内容最终会被这些“填充程序”消耗。

您可以明确要求[A-Z0-9]+组之前和之后的字符为非字母数字，如下所示：

   "^.*(?<![A-Z0-9])([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+)(?![A-Z1-9]).*$"

(?<![A-Z0-9])表达式表示“前面没有[A-Z0-9]”
(?![A-Z1-9])表达式表示“未跟[A-Z1-9]”

编辑：

前瞻不是必需的，因为+是贪婪的：

"^.*(?<![A-Z0-9])([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+).*$"

（归功于Rohit Jain）

捕获小组吃了一些角色

2 个答案: