Question

以下代码未在myStr变量中找到字符串“MOVE”

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

public class Test {
    public static void main(String[] args) {
       String myStr = "    ELSE  MOVE   EXT-LNGSHRT-AMT-C TO WK-UNSIGNED-LNGSHRT-AMT  COMPUTE WK-SHORT-AMT = EXT-LNGSHRT-AMT-C * -1.";
       String verbsRegex = "\\s+(ACCEPT|ADD|ALTER|CALL|CANCEL|CLOSE|COMPUTE|DELETE|DISPLAY|DIVIDE|ELSE|EXIT|EVALUATE|EXEC|GO|GOBACK|IF|INITIALIZE|INSPECT|INVOKE|MERGE|MOVE|MULTIPLY|OPEN|PERFORM|READ|RELEASE|RETURN|REWRITE|SEARCH|SET|SORT|START|STOP|STRING|SUBTRACT|UNSTRING|WRITE|COPY|CONTINUE|WHEN)\\s+";

       Pattern p = Pattern.compile(verbsRegex);
       Matcher m = p.matcher(myStr);
       System.out.println("------------------------------------");
       while (m.find()) {
           System.out.println(myStr.substring(m.start(),m.end()));
           System.out.println("("+ m.group(1) + ")");
       }
       System.out.println("------------------------------------");
    }
}

如果我将myStr更改为

       String myStr = "   MOVE  ELSE  MOVE   EXT-LNGSHRT-AMT-C TO WK-UNSIGNED-LNGSHRT-AMT  COMPUTE WK-SHORT-AMT = EXT-LNGSHRT-AMT-C * -1.";

java开始给我回复MOVE。但在这种情况下，ELSE错过了！

对此行为有任何解释吗？我错过了一些明显的东西吗？

提前致谢。

Answer 1

最后的\s+在模式开头与\s+冲突。它们是贪婪的，这意味着它匹配单词MOVE，在它的左边没有留下空格，这意味着它不匹配。

将\s+更改为\s+?和MOVE匹配。但要注意，这意味着您要求所有捕获的组拥有自己的1个或多个空白字符。单词边界或外观可以解决这个问题。

Answer 2

您可以使用\s+ Word Boundaries来匹配组中的任何字词，而不是使用\b，因此您的正则表达式应如下所示：

\\b(ACCEPT|...|WHEN)\\b

<强>输出

------------------------------------
ELSE
(ELSE)
MOVE
(MOVE)
COMPUTE
(COMPUTE)
------------------------------------

Answer 3

要打印整个匹配而不是myStr.substring(m.start(), m.end())，您可以使用m.group(0)或m.group()（两者都是相同的，因为group()返回group(0)的结果。同样要查看整个匹配，请使用[ ]等字符围绕它（就像您对组（1）所做的那样）。

所以而不是

System.out.println(myStr.substring(m.start(),m.end()));

使用

System.out.println("["+m.group()+"]");

您将看到匹配的内容是[ ELSE ]和[ COMPUTE ]。如您所见，您在搜索到的令牌后也匹配所有可能的空格。但是，由于您的正则表达式要求匹配，因此至少有一个空格[MOVE ]无法匹配，因为没有剩余不匹配的空格。要解决该问题，您可以使用lookaround mechanism zero-length（它不会消耗匹配的部分）。

因此，您可以将其重写为

而不是\\s+(...)\\s+

(?<=\\s)(...)(?=\\s)

但问题是你的令牌也需要被空格包围，所以你将无法找到放置在字符串开头或结尾的匹配。

其中一个解决方案可能是\b word boundary。它代表 place ，它是字符串的开头/结尾，或者放在[a-zA-Z0-9_]和任何非[a-zA-Z0-9_]字符之间，但这也代表字母字符和-所以，如果您有IF-ELSE，即使您希望将其视为不符合任何描述的单个令牌，它也会单独找到IF和ELSE在(...)部分代币中。

其他解决方案是接受空格，接受由^和$表示的字符串的开头和结尾（更多信息位于：http://www.regular-expressions.info/anchors.html）。在这种情况下，您的解决方案可能看起来像

(?<=\\s|^)(...)(?=\\s|$)

BTW通常我们会尽量避免写(A|AB)的情况，因为如果A 足够来匹配整个正则表达式（取决于正则表达式的其余部分）{ {1}}将不会被测试。因此，如果您有AB等正则表达式，那么对于字符串(A|AB)，您会发现两个匹配项AAB和A，而不是A和A }。这就是为什么我们通常会尝试将其从最具体到更不具体的内容写成AB（或者在文字的情况下，您可以尝试根据它们的长度对它们进行排序）。

Java正则表达式中的奇怪行为

3 个答案: