Question

Regex=
 "^\\s+(\\S+)\\s+(\\S+)\\s+(\\S+)\\s+(\\S+)(\\s+(\\S+(\\s+(\\S+))?))?(\\s+(\\S+))?\\s*";

input= "    1  ABC    DEF  GHI   JKL   PQR   ";

在上面的输入文本中，正则表达式匹配，但是有些情况下JKL可以是空格的单词，如＆＃34; JKL MNO＆＃34;所以正则表达式我已经像可选的

一样

(\\s+(\\S+))?

虽然得到该组我的错误值，即

G1: 1 G2: ABC G3: DEF G4: GHI **G6: JKL PQR** G8:PQR

G6当MNO出现时，应该只有JKL或JKL MNO作为一个单词，你能否弄清楚我做错了什么。

Answer 1

您观察到的行为是正则表达式的预期行为。捕获组从组的开始paren开始，以其结束paren结束。如果捕获组A包含捕获组B，则A将包含所有B。

那是

(\\s+(\\S+(\\s+(\\S+))?))?

与

匹配

   JKL PQR

第1组将是

   JKL PQR

第2组将是

JKL PQR

第3组将是

PQR

第4组将是

PQR

如果您希望JKL成为一个组，您可以使用捕获组和非捕获组的组合，例如：

(?:\\s+(?:(\\S+)(?:\\s+(\\S+))?))?

然后，第1组将为JKL，第2组将为PQR。

Answer 2

发生的事情是，(\\s+(\\S+))?部分的内部(\\s+(\\S+(\\s+(\\S+))?))读取PQR并且正则表达式的最后部分 - (\\s+(\\S+))?是可选的，最终无法读取任何内容

使最后一部分不可选将解决问题。但是，如果您不打算捕获它们，则可以避免使用这么多捕获组，例如，可以使空格不被捕获 - (?:\\s+)

所以，您可以将正则表达式更改为：

String str = "^\\s+(\\S+)\\s+(\\S+)\\s+(\\S+)\\s+(\\S+)(?:\\s+(\\S+(?:\\s+\\S+)?))?(?:\\s+(\\S+))\\s*";

请注意这里关注的部分：

(?:\\s+(\\S+(?:\\s+\\S+)?))?

正如您所看到的，只有一个捕获组，足以捕获JKL和JKL MNO（如果存在）。如果您还想单独捕获MNO，请将内部\\S+也设为捕获组。

Answer 3

如果PQR是强制性的，则删除?中的最后一个(\\s+(\\S+))?即可。

这是因为RegEx是贪婪的，所以如果最后一部分是可选的（这是问题），它将在第8组中PQR。

完整的正则表达式应该是： "^\\s+(\\S+)\\s+(\\S+)\\s+(\\S+)\\s+(\\S+)(\\s+(\\S+(\\s+(\\S+))?))?(\\s+(\\S+))\\s*"

Answer 4

我认为你在寻找的是：

^\\s+(\\S+)\\s+(\\S+)\\s+(\\S+)\\s+(\\S+)(\\s+(\\S+(\\s+(\\S+))??))?(\\s+(\\S+))?\\s*$

该模式使用不情愿（非贪婪）量词??。这意味着仅在必要时才匹配组7。

如果缺少" MNO"，则组7根本不匹配。第6组仅包含" JKL"。

如果您使用字符串锚点的结尾，则会强制" MNO"与第7组匹配，即使此组是可选的，但是不情愿的量词?? 。第6组包含" JKL MNO"

没有不情愿的量词，因为模式是从左到右评估的，" PQR"将与第7组匹配（因为量词?默认是贪婪的）并且第9组将不匹配因为它是可选的。

注意：没有无用的捕获组，您可以写：

^\\s+(\\S+)\\s+(\\S+)\\s+(\\S+)\\s+(\\S+)(?:\\s+(?:(\\S+)(?:\\s+(\\S+))??))?(?:\\s+(\\S+))?\\s*$

Answer 5

而不是使用让我的眼睛游泳的正则表达式，我会去分手：

String[] toks = input.split( "\\s+" );

toks.length必须至少为4，以便我们toks[0]到toks[3]。现在：

toks.length == 5：这应该是＆＃34; JKL＆＃34;
toks.length == 7：我们有＆＃34; v＆＃34; in toks [4]和toks [5]以及PQR in toks [6]

那么toks.length == 6怎么样？是可选的＆＃34; MNO＆＃34;强于可选的＆＃34; PQR＆＃34;还是反过来呢？在任何一种情况下，您都可以使用String []及其长度更轻松地决定。

（我知道＆＃34; JKL＆＃34;和＆＃34; MNO＆＃34;之间的空格数会以这种方式丢失。如果真的很重要，可以从原来的字符串中检索到努力。）

正则表达式组匹配返回错误的值

5 个答案: