Java 正则表达式捕获字符串中的所有单词答案

【问题标题】：Java regex to capture all words in stringsJava 正则表达式捕获字符串中的所有单词
【发布时间】：2022-10-15 14:34:55
【问题描述】：

我正在寻找一个能够捕获字符串中所有单词的正则表达式。

我有以下输入字符串

约翰·史密斯先生
约翰先生
J小姐
预期产出
1. {“约翰”、“史密斯”、“先生”}
2. {“约翰”，“先生”}
3. {“J”，“小姐”}
  我已经编写了下面的正则表达式，它工作得很好，但它不适用于输入字符串 2 和 3。输入字符串应该只有字母字符（没有数字或特殊字符）。
  
  ((?:[a-z]*[a-z]+)).*?((?:[a-z][a-z]+)).*?((?:[a-z][a-z]+))
  
  如果输入字符串包含像JOHN 12345 这样的数字，那么正则表达式不应捕获任何内容。
  
  你能帮我改进我的正则表达式来捕捉预期的结果吗？

【问题讨论】：

你可以匹配[a-zA-Z ]*，如果它是真的，你在空格上分割
每个字符串最多三个单词吗？
有时是2个字，有时是3个。字数不一致。
这可能会简化为更像Pattern p = Pattern.compile("([a-z]+).*?([a-z]{2,}).*?([a-z]+)?"); 的东西（如果你真的想要它们，你可以恢复非捕获但不要冗余双括号）。您正在尝试匹配只有三件事

标签： java regex

【解决方案1】：

我可以建议替代方案吗？将字符串 split() 方法与正则表达式一起使用。见下文

        String[] arr = {"JOHN SMITH MR",
                "JOHN MR",
                "J MISS",
        "JOHN 1234"};

        for (String s : arr) {
            Matcher m = Pattern.compile("[0-9]+").matcher(s);
            if(m.find()){
                continue;
            }
            String[] arr2 = s.split(" ");
            log.info("arr2 = {}", Arrays.asList(arr2));
        }

你有你的输出

【讨论】：

【解决方案2】：

有一个现有代码从输入 rawNameString 中提取名字和标题。如果输入字符串仅包含名字和标题（“JOHN MR”），则代码可以正常工作，但如果输入字符串包含名字、中间名和标题（“JOHN SMITH MR”），则代码将无法正常工作。在这种情况下，标题被映射为不正确的值。目标是仅提取名字和头衔。

现有代码：

Pattern  NAME_PATTERN = Pattern.compile("((?:[a-z]*[a-z]+))" + ".*?" + "((?:[a-z][a-z]+))", Pattern.CASE_INSENSITIVE);
        String rawNameString = "JOHN MR";

        Name name = new Name();
        Matcher nameMatcher = NAME_PATTERN.matcher(rawNameString);
        if (nameMatcher.find()) {
            //tile
            name.setTitle(nameMatcher.group(2));
            //firstname
            name.setFirstName(nameMatcher.group(1));
        } else {
            throw new Exception("Invalid Name");
        }

我修改了代码以捕获名字和标题，而与输入字符串中的单词数无关。

Pattern  NAME_PATTERN = Pattern.compile("^[a-zA-Z ]*$");
        String rawNameString = "JOHN SMITH MR";

        Name name = new Name();
        Matcher matcher = NAME_PATTERN.matcher(rawNameString);
        if(matcher.find()) {
            List<String> nameList = Arrays.asList(rawNameString.split("\s+"));
            if(nameList.isEmpty())
                throw new Exception("Invalid Name ");
            name.setFirstName(nameList.get(0));
            name.setTitle(nameList.get(nameList.size()-1));
        } else {
            throw new Exception("Invalid Name ");
        }

我希望更改正则表达式而不是更改 Java 代码。

【讨论】：

目标是仅提取名字和头衔。那么所有这些正则表达式的东西都是矫枉过正的。 String.split("\s+"); 将在两个标记中的第二个与标题匹配的情况下为您完成
@g00se，是的，这是正确的，但如果输入字符串包含数值，那么它不应该捕获任何东西。如果我们只使用 split 那么 numeric 也会被捕获。

【解决方案3】：

你可以使用这个：

^([a-zA-Z]+) *([a-zA-Z]+)* *([a-zA-Z]+)* *$

【讨论】：

【解决方案4】：

选择：

使用的正则表达式：

"[^a-zA-Z\s]"

正则表达式匹配非字母或非空格。

请参阅上下文和测试台中的正则表达式，如下：

public static void main(String[] args) {
    String input1 = "JOHN SMITH MR";
    String input2 = "JOHN MR";
    String input3 = "J MISS";
    String input4 = "JOHN  12345";

    List<String> inputList = Arrays.asList(input1, input2, input3, input4);

    Pattern findAnyNonLetterNonSpacePattern = Pattern.compile("[^a-zA-Z\s]");
    for (String input : inputList) {
        if (findAnyNonLetterNonSpacePattern.matcher(input).find()) continue;
        List<String> stringList = Arrays.asList(input.split("\s+"));
        System.out.println(stringList);
    }
}

输出：

[JOHN, SMITH, MR]
[JOHN, MR]
[J, MISS]

【讨论】：