用于解析的正则表达式模式

Question

我需要一个匹配以下各项的模式：

• 除（:=#\）之外的非空白字符串后跟:，后跟除（:=#\）之外的非空白符号上的一个字符串或
• 一个空格或制表符，后跟一个或多个非空格字符或
• a＃后跟任何东西或
• 由一个或多个空格或制表符组成的行或
• 对于以前没有捕获过的东西的收获。

我目前的模式如下： ^([\\S&&[^\\n:=#\\\\]]+):([[\\s&&[^\\n]][\\S&&[^\\n=:#\\\\]]*]*)|^[ \\t](\\S[\\s\\S&&[^\\n]]*)|(^#[\\s\\S&&[^\n]]+)|^([\\s&&[^\\n\\x0B\\f\\r]]+)|([[\\s\\S]&&[^\\n]]+)

我在使用findwithinhorizo​​n（此模式，0）的扫描仪中使用它

在下面的块中，inp是一个缓冲区的扫描程序，_pat是上面的模式。 我遇到了将字符串分配给错误匹配组的问题。

EX：

bob: cat dog
 meow

在此扫描程序中运行此命令后，在匹配组2（“cat dog”）上调用.split（\\s+）后，我得到一个空字符串，而第6组（我的错误组）匹配“meow”而不是第3组。

    BufferedReader buf =
            new BufferedReader(new FileReader(makeFile));
    Scanner inp = new Scanner(buf);


    while (inp.findWithinHorizon(_pat, 0) != null) {
        int i = 1;
        MatchResult mat = inp.match();
        for (; i <= TOTAL_VALS; i++) {
            if (mat.group(i) != null) {
                break;
            }
        } 

Answer 1

这个正则表达式会将一行分解为适当的组：

([^\s:=#\\]+\s*:\s*(?:[^\s:=#\\]+\s*))|([ \t]\S+)|(#.*)|(\s*)|(.*)

请注意，您的第一个条件实际上与bob: cat dog不匹配。条件应该是这样的：

• 除:=#\之外的非空白字符串字符串，可选地后跟空格，后跟:可选地后跟空格，后跟另外一个非空格符号字符串，而不是（：=＃），用空格分隔OR

---

样本用法：

String regex = "([^\\s:=#\\\\]+\\s*:\\s*(?:[^\\s:=#\\\\]+\\s*)+)|([ \t]\\S+)|(#.*)|(\\s*)|(.*)";
Pattern p = Pattern.compile(regex);
for (String line : lines) {
    Matcher m = p.matcher(line);
    m.matches();
    for(int i=1;i<m.groupCount();i++) {
        System.out.println(i+": "+m.group(i));
    }
    System.out.println();
}

输入数据：

bob: cat dog
 meow

输出将是

1: bob: cat dog
2: null
3: null
4: null

1: null
2:  meow
3: null
4: null

Answer 2

查看正则表达式的一小部分（删除额外的转义）

[\S&&[^\n:=#\\]]+

这在正则表达式语法中没有用。我从你的描述中猜测，模式的这一部分应该是指“一系列不是空格的字符，也不是换行符或:=#\。”这就是你为此编写正则表达式模式的方法：

[^\s:=#\\]+

即。 “一个或多个不是空格的字符，:，=，#或\。

一次一个地接受您的要求：

• 除（:=#\）之外的非空格字符串后跟:，后跟除（:=#\）之外的非空白符号上的一个字符串或

  [^\s:=#\\]+:[^\s:=#\\]
  

• 一个空格或制表符，后跟一个或多个非空格字符或

  [ \t]\S+
  

• a＃后跟任何东西OR

  #.*
  

• 由一个或多个空格或制表符组成的行。

  [ \t]+
  

把它们放在一起：

^([^\s:=#\\]+:[^\s:=#\\]|[ \t]\S+|#.*|[ \t]+)$

并恢复额外的转义字符，以便将其放入双引号字符串中：

^([^\\s:=#\\\\]+:[^\\s:=#\\\\]|[ \\t]\\S+|#.*|[ \\t]+)$

我遗漏了“catchall”的要求，因为我不清楚为什么它会有用：像something|something else|a third thing|.*这样的正则表达式可以保证匹配任何字符串，并且可能会被{{1为简单起见。