Question

我想使用正则表达式从以下输入中提取名称。

Student Names:
    Name1
    Name2
    Name3

Parent Names:
    Name1
    Name2
    Name3

我使用以下方法来匹配数据，我不应该修改方法。我必须提出适用于此方法的正则表达式。

public void parseName(String patternRegX){

        Pattern patternDomainStatus = Pattern.compile(patternRegX);
        Matcher matcherName = patternName.matcher(inputString);
        List<String> tmp=new ArrayList<String>();

        while (matcherName.find()){
            if (!matcherName.group(2).isEmpty())
                tmp.add(matcherName.group(2));
        }
}

我想出了一个正则表达式，可以得到我想要的结果，但我发现的问题是分组在方括号（[]）中不起作用。

private String studentRegX =“（学生姓名：\ n [+ （\ S +） \ n] + \ n）”;

我现在正在使用以下正则表达式，但这只是我每个集合中的姓氏。

private String studentRegX="Student Names:\\n( +(\\S+)\\n)+\\n";
private String parentRegX="Parent Names:\\n( +(\\S+)\\n)+\\n";

提前感谢您的帮助。

Answer 1

首先，我希望您可以稍微更改parseName方法，因为它不会编译。 patternDomainStatus和patternName可能应该引用同一个对象：

    Pattern pattern = Pattern.compile(patternRegX);
    Matcher matcherName = pattern.matcher(inputString);

其次，你需要以不同的方式考虑你的正则表达式。

现在，你的正则表达式试图匹配整个块中的多个名称。但是matcherName.find()找到＆＃34;输入序列的下一个子序列与模式匹配＆＃34; （根据javadoc）。

所以你想要的是匹配单个名称的正则表达式。 matcherName.find()将循环遍历与该正则表达式匹配的字符串的每个部分。

Answer 2

如果您还不熟悉重复捕获组和捕获重复组之间的区别，那么值得一读。其中一个资源是http://www.regular-expressions.info/captureall.html，但其他资源也可以。

如果你已经知道了这个差异，并试图捕捉一个重复的群体已经与你上面写的内容，那么请编辑你的帖子来解释你想要做什么（逐个字母的解释会是理想的，所以我们看到你理解的和你不理解的东西，所以我们可以帮助你解决任何问题。

我看到我认为的解决方案，但由于这显然是家庭作业，我不愿意简单地给你。但我很乐意帮助你搞清楚。

---编辑：---

您只获得一场比赛，因为正则表达式要求“学生姓名：”或“家长姓名：”在每次匹配中，因此您只能匹配一次。为了让你的正则表达式连续多次匹配（根据while (matcherName.find())的要求），你需要从正则表达式中获取“学生姓名：”和“父姓名：”，这样正则表达式可以重复匹配。

很容易获得所有名称（学生和家长），只需要一个正则表达式，查找换行符后跟一个或多个空格然后是文本。挑战在于区分学生姓名（位于“父姓名：”行之前）和父姓名（位于“父姓名：”行之后）。区分它们的关键概念是lookaheads，它可以是正面的，也可以是负面的。看看它们，看看你是否可以找出如何使用前瞻实现这一点。

此外，您可能会发现组＃2不是您真正想要使用的组。不幸的是，组号是硬编码的，但是既然如此，你可以调整你的正则表达式，使用(?:stuff)语法使组不能被捕获。这样可以减少组的数量，并确保您真正想要的组是＃2。

Answer 3

因为正则表达式与算法能力关系不大，所以答案是：

在Windows上，遗憾的是换行符＃34; \ r \ n＆＃34;。
我检查是否有换行符，并且名称前至少有一些空格。
该名称可能有空格。
通过后视我检查＆＃34;父姓名＆＃34;如下。

然后

Pattern.compile("(?s)(?<=\n)[ \t]+([^\r\n]*)\r?\n(?=.*Parent Names)");
//               ~~~~ '.' also matches newline
//                   ~~~~~~~ look-behind must be newline
//                          ~~~~~~ whitespace (spaces/tabs)
//                                ~~~~~~~~~~ group 1, name
//                                               ~~~~~~~~~~~~~~~~~~~~ look-ahead

不用说，有点不同的算法会更加稳固和可理解。

要使其成为组（2）而不是上述组（1），您可以在之前引入额外的大括号：([ \t]+)

Answer 4

可以在单个正则表达式中使用\G锚点来完成这为一个小的正则表达式算法实力打开了它。每场比赛将是：

组1不为空/空 - 新学生组，组3将包含第一个学生姓名。
组2不为NULL /空 - 新的父组，组3将包含第一个父名。
第3组永远不会为空/空 - 第一个/下一个学生或父母名称取决于哪个第1组或第2组最后匹配。

在所有情况下，第3组将包含一个已经修剪并准备放入数组的名称。

 # "~(?mi-)(?:(?!\\A)\\G|^(?:(Student)|(Parent))[ ]Names:)\\s*^(?!(?:Student|Parent)[ ]Names:)[^\\S\\r\\n]*(.+?)[^\\S\\r\\n]*$~"

 (?xmi-)                     # Inline 'Expanded, multiline, case insensitive' modifiers
 (?:
      (?! \A )                    # Here, matched before, give Name a first chance
      \G                          # to match again.
   |  
      ^                           # BOL
      (?:
           ( Student )                 # (1), New 'Student' group
        |  ( Parent )                  # (2), New 'Parent' group
      )
      [ ] Names: 
 )
                             # Name section
 \s*                         # Consume all whitespace up until the start of a Name line
 ^                           # BOL 
 (?!
      (?: Student | Parent )      # Names only, Not the start of Student/Parent group here
      [ ] Names:
 )
 [^\S\r\n]*                  # Trim leading whitespace ( can use \h if supported )
 ( .+? )                     # (3), the Name
 [^\S\r\n]*                  # Trim trailing whitespace ( can use \h if supported )
 $                           # EOL

正则表达式以提取组中的子字符串

4 个答案: