Question

我正在尝试构建一个捕获多个组的正则表达式，其中一些组包含在其他组中。例如，让我们说我想要捕捉每一个4克以下的＆＃39;到＆＃39;前缀：

input = "I want to run to get back on shape"
expectedOutput = ["run to get back", "get back on shape"]

在这种情况下，我会使用这个正则表达式：

"to((?:[ ][a-zA-Z]+){4})"

但它只捕获expectedOutput中的第一项（带有空格前缀，但不是重点）。没有正则表达式，这很容易解决，但我想知道是否只能使用正则表达式。

Answer 1

您可以使用正则表达式重叠mstrings ：

String s = "I want to run to get back on shape";
Pattern pattern = Pattern.compile("(?=\\bto\\b((?:\\s*[\\p{L}\\p{M}]+){4}))");
Matcher matcher = pattern.matcher(s);
while (matcher.find()){
    System.out.println(matcher.group(1).trim()); 
}

请参阅IDEONE demo

正则表达式(?=\bto\b((?:\s*[\p{L}\p{M}]+){4}))检查字符串中的每个位置（因为它是零宽度断言）并查找：

\bto\b - 整个字to
((?:\s*[\p{L}\p{M}]+){4}) - 第1组捕获4次出现
- \s*零个或多个空格
- [\p{L}\p{M}]+ - 一个或多个字母或变音符号

如果您想要捕获少于4个ngrams，请使用{0,4}（或{1,4}至少需要一个）贪婪限制量词，而不是{4}。

Answer 2

这是Regex

中的群组顺序

1       ((A)(B(C)))   // first group (surround two other inside this)
2       (A)           // second group ()
3       (B(C))        // third group (surrounded one other group)
4       (C)           // forth group ()

Java Regex捕获多个组，其中包含其他组

2 个答案: