Question

我一直在尝试创建一个用空格替换制表符元素的程序（假设制表符相当于8个空格，其中一个或多个空格用非空白字符（字母）。

我开始通过以下方式从扫描仪中提取文件中的文本：

try {
    reader = new FileReader(file)
} catch (IOException io) {
    println("File not found")
}
Scanner scanner = new Scanner(reader);
scanner.usedelimiter("//Z");
String text = Scanner.next();

然后我尝试解析以下面带有ptrn1的标签结尾的文本片段，并用ptrn2提取每个片段的最后一个单词的长度：

Pattern ptrn1 = Pattern.compile(".*\\t, Pattern.DOTALL);
Matcher matcher1 = ptrn1.matcher(text);
String nextPiece = matcher1.group();
println(matcher1.group()); /* gives me the first substring ending with tab*/

但是：

Pattern ptrn2 = Pattern.compile("\\s.*\\t"); /*supposed to capture the last word in the string*/
Matcher matcher2 = ptrn2.matcher(nextPiece);
String lastword = matcher2.group();

最后一行给出了一个错误，因为它显然无法与模式("\\s.\*\\t")匹配。这最后一个正则表达式有问题，其意图是＆＃34;任意数量的空格，后跟任意数量的字符，后跟一个制表符。虽然我无法找出它有什么问题。我尝试过("\\s*.+\\t")，("\\s*.*\\t")和("\s+.+\\t");仍然没有运气。

稍后，根据以下建议，我简化了代码并在其中包含了示例字符串。如下：

       import acm.program.*;
       import acm.util.*;
       import java.util.*;
       import java.io.*;
       import java.util.regex.*;

    public class Untabify extends ConsoleProgram {
        public void run(){
            String s = "Be plain,\tgood son,\tand homely\tin thy drift.\tRiddling\tconfession\tfinds but riddling\tshrift. ";            
                Pattern ptrn1 =Pattern.compile(".*?\t", Pattern.DOTALL);
                Pattern ptrn2 = Pattern.compile("[^\\s+]\t", Pattern.DOTALL);

                String nextPiece;

                Matcher matcher1 = ptrn1.matcher(s);

                while (matcher1.find()){                
                    nextPiece = matcher1.group();
                    println(nextPiece);
                    Matcher matcher2 = ptrn2.matcher(nextPiece);
                    println(matcher2.group());

               }
            }
    }

程序可变地崩溃，首先是在＆＃34; println（matcher2.group（））＆＃34 ;;并在下一次运行＆＃34; public void run（）＆＃34;消息：＆＃34;调试当前指令指针＆＃34; （这是什么意思？）。

Answer 1

您无需双重转义制表符（即\\t）; \t会很好。 \t被java String解析器解释为制表符，并且该制表符被发送到正则表达式解析器，该解析器将其解释为制表符。您可以查看this answer以获取更多信息。

此外，您应该使用Pattern.DOTALL，而不是Pattern.Dotall。

Answer 2

模式"\\s.*\\t"必须匹配单个空白字符（\s），后跟0个或多个字符（.*），后跟单个标签（\t）。如果要捕获最后一个单词和一个尾随选项卡，则应使用单词boundary escape \b

Pattern.compile("\\b.*\\b\t");

如果您不想匹配任何字符，可以将上面的.替换为使用\w或任何字词定义。

这是您用来匹配标签之前的任何字词的代码：

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

public class RegEx {
    public static void main(String args[]) {
        String text = "ab cd\t ef gh\t ij";
        Pattern pattern = Pattern.compile("\\b(\\w+)\\b\t", Pattern.DOTALL);
        Matcher matcher = pattern.matcher(text);
        while (matcher.find()) {
            System.out.println(matcher.group(1));
        }
    }
}

以上将输出

cd
gh

有关详情，请参阅Regular Expression Tutorial，尤其是Predefined Character Classes和Boundary Matchers部分。

您可以在Regex101上获得更多详细信息并尝试使用此正则表达式。

Answer 3

查看示例字符串会很有用。如果您只想要标签前的最后一个单词，那么您可以使用：

([^\s]+)\t

注意()是将最后一个单词放在一个组中。 [^\s]+表示一个或多个非空格。

如何编写提取标签文本的正则表达式？

3 个答案: