Question

我正在编写一个词法解析器/分析器，它根据一组预定义的正则表达式分析指定的文本，我遇到了一些麻烦：

假设我们要分析包含N个部分的文本，例如

A, B, C[, N]

现在，我希望每个匹配的部分都可以在正则表达式中访问，因此我可以使用

访问以前匹配的部分

$X

我的解决方案是使用（忽略任何隐含的空格或换行符）

([A-Za-z]*)                         //A
(?:\s|\n)*                          //Whitespace
((?:,) (?:\s|\n)* ([A-Za-z]* ))*    //, B etc.

我想要的结果如下：

1. A
2. B
3. C

但我得到的结果是......不太理想：

1. A
2. , C
3. C

为什么会这样，以及如何改进它以正确匹配我的文字？

Answer 1

问题是你正在重复你的捕获组，用下一个匹配结果覆盖每个匹配结果直到最后一个（所以在你的情况下, B被, C覆盖）。

这就是正则表达式的工作原理;像.NET这样的实现允许您访问重复组的所有单独捕获，但大多数不会。

更好地迭代你的比赛。如果你真的想保留分隔符（为什么？），你可以这样做：

(?:\s*,\s*)?[A-Za-z]+

在Python中：

>>> import re
>>> a = "A, B, C, D"
>>> r = re.compile(r"(?:\s*,\s*)?[A-Za-z]+")
>>> r.findall(a)
['A', ', B', ', C', ', D']

附注：\s已包含\n，因此(?:\s|\n)*是多余的 - \s*即可。

Answer 2

这一行：

((?:,) (?:\s|\n)* ([A-Za-z]* ))*    //, B etc.

这样做：

(?:(?:,) (?:\s|\n)* ([A-Za-z]* ))*    //, B etc.

这是因为您的原始正则表达式“创建”了2个捕获：

外部()（包括内部捕获组和非捕获组）
内部([A-Za-z]* )捕获组

Answer 3

让最大的群体无法捕捉：

(?:, (?:\s|\n)* ([A-Za-z]*))*

我还将(?:,)简化为,。

Answer 4

只抓住[A-Za-z]+群体为您服务吗？

  public static void main(String[] foo) {

    Pattern pattern = Pattern.compile("([a-zA-Z]+)(?:, )?");
    Matcher matcher = pattern.matcher("A, B, C, D");
    while (matcher.find()) {
      System.out.println(matcher.group(1));
    }

  }

输出：

A
B
C
D

那够了吗？

如何才能使此正则表达式匹配正确？

4 个答案: