Question

我对Java Regex的理解是这样。有两套元字符：

用在字符类之外的正则表达式中（[]内）：<([{\\^-=$!|]})?*+.>
在字符类中使用：\][-&^

如果我们希望某个字符（例如连字符-）在字符类中按字面意义进行匹配，则必须用反斜杠（\）对其进行转义。

中的以下描述支持此视图

字符类   角色类别可能出现在其他角色中   类，并且可以由联合运算符（隐式）和   相交运算符（&&）。联合运算符表示一个类   包含至少一个操作数中的每个字符   类。相交运算符表示一个包含每个   这两个操作数类中的字符。

字符类运算符的优先级如下   最高到最低：


文字逃逸\ x

分组[...]

范围

联盟[a-e] [i-u]

交叉点[a-z && [aeiou]]


请注意   字符类中有效地使用了不同的元字符集   而不是角色类之外。

这是正确的理解吗？

令我惊讶的是，除了使用反斜杠之外，我们还可以使用java.util.regex.Pattern.quote()来逃脱字符类中的第二个字符集。我认为该方法仅适用于第一组元字符。

测试程序

以下测试程序说明Pattern.quote()和\（以及\Q和\E）都可以在字符类中用引号引起来：

import org.junit.Rule;
import org.junit.Test;
import org.junit.rules.TestName;

import java.util.regex.Pattern;

public class RegexTest {
    @Rule
    public TestName testName = new TestName();

    @Test
    public void testHyphenCharClassByPatternQuote() {
        String regex = "[" + Pattern.quote("-") + "]";
        Pattern p = Pattern.compile(regex);
        String[] tests = {
            "-"
            , "a"
        };
        for (String test : tests) {
            System.out.println(testName.getMethodName() + " matching " + test + ":" + p.matcher(test).matches());
        }
    }

    @Test
    public void testHyphenCharClassByBackSlash() {
        String regex = "[\\-]";
        Pattern p = Pattern.compile(regex);
        String[] tests = {
            "-"
            , "a"
        };
        for (String test : tests) {
            System.out.println(testName.getMethodName() + " matching " + test + ":" + p.matcher(test).matches());
        }
    }

    @Test
    public void testHyphenCharClassByQE() {
        String regex = "[\\Q-\\E]";
        Pattern p = Pattern.compile(regex);
        String[] tests = {
            "-"
            , "a"
        };
        for (String test : tests) {
            System.out.println(testName.getMethodName() + " matching " + test + ":" + p.matcher(test).matches());
        }
    }

}

测试输出

testHyphenCharClassByQE matching -:true
testHyphenCharClassByQE matching a:false
testHyphenCharClassByBackSlash matching -:true
testHyphenCharClassByBackSlash matching a:false
testHyphenCharClassByPatternQuote matching -:true
testHyphenCharClassByPatternQuote matching a:false

Answer 1

您基本上是正确的，但是pattern.quote()方法可以正常工作。似乎使您感到困惑的是字符类范围内连字符的性质。

Pattern class doc在报价下列出了以下转义修饰符部分：

\没什么，但引用了以下字符
  \Q一无所有，但引用所有字符，直到\E
  \E一无所有，但以\Q
开头的引用结束

所有pattern.quote所做的工作就是用\Q和\E包装输入以产生文字化的字符串。

引用quote上的Java文档

返回指定字符串的文字模式字符串。这个   方法产生一个可用于创建模式的字符串   将匹配字符串s，就好像它是文字模式一样。
  输入序列中的元字符或转义序列将给出   没有特殊含义。

_{从技术上讲，从\Q（不包括）到下一个\E（不包括）（可能包括任意数量的\Q序列）的所有内容都被字面化。}

当您在字符类中转义或引用连字符时（或放在末尾），它将失去其特殊含义，即定义一个范围，并且它变成了您自己演示的文字连字符：

String regex = "[a\\-z]";
Pattern p = Pattern.compile(regex);
String[] tests = {
    "-"
    , "a"
    , "b"
    , "z"
};
for (String test : tests) {
    System.out.println(" matching " + test + ":" + p.matcher(test).matches());
}

输出：

 matching -:true
 matching a:true
 matching b:false
 matching z:true

Answer 2

我现在可以确认，\Q和\E（以及Pattern.quote()）除了在字符类中引用元字符外，还将很有用外部角色类。我以为它仅适用于角色类之外，并且理解是错误的。我希望文档能更清楚地说明这一点。

在字符类（“ []”）中的元字符

2 个答案: