如何更改正则表达式模式，以便它按顺序找到每个匹配项答案

【问题标题】：How to change regex pattern so that it finds each match sequentially如何更改正则表达式模式，以便它按顺序找到每个匹配项
【发布时间】：2013-03-30 21:14:00
【问题描述】：

我有一个文本文件，我在其中使用以下语法存储证书：

然后，我有代码尝试读取上述文本文件，并一一检查每个证书。

//This copies all of my certificates from a file into a String
String certificates = new Scanner(new File("certificates.txt"), "UTF-8").useDelimiter("\\A").next();

//This creates a pattern so that I can examine each certificate one at a time
//(?s) allows this pattern to span several lines.
Pattern pattern = Pattern.compile("(?s)-----BEGIN CERTIFICATE-----.*-----END CERTIFICATE");

Matcher matcher = pattern.matcher(certificates);

//I attempt to examine each certificate one at a time
while(matcher.find())
{
    System.out.println(matcher.group());
}

但是，当我调用 matcher.find() 时，它会返回整个证书文件。我想是因为它在文件开头找到“-----BEGIN CERTIFICATE-----”，然后在文件末尾找到“-----END CERTIFICATE-----” .

如何更改我的正则表达式模式，以便它按顺序找到每个证书？

【问题讨论】：

您是否尝试过像这样使用非贪婪的.*：.*?？
@Jerry, .*? 成功了。谢谢！

标签： java regex

【解决方案1】：

原因是.* 是一个greedy 表达式，它匹配尽可能多的证书部分。您可以通过添加? 量词使用不情愿的表达式将此匹配限制为单个部分：

Pattern pattern = 
   Pattern.compile("(?s)-----BEGIN CERTIFICATE-----.*?-----END CERTIFICATE");

【讨论】：

【解决方案2】：

如果你使用下面的例子：

-----BEGIN CERTIFICATE-----
asAasdfO'Psadf-ASDFgrvd-dK;9twqegvb5wetg5089'O0'[U'P4we5AASDSFDevbF54wgwe54-t4g5g54wgsefe4-
-----END CERTIFICATE-----

那么下面的正则表达式需要242个步骤来拉取，如果证书更长会快速增长：

(?s)-----BEGIN CERTIFICATE-----.*-----END CERTIFICATE

242 并不多，但话又说回来，这是一个非常小的证书。我见过证书变得很长。我不确定这种影响是否会对你造成太大伤害。但是，下面的正则表达式只需要 72 步，无论证书有多长，总是大约 72 步：

(-{5})BEGIN\sCERTIFICATE\1\s*(?<Cert>[^-]*(?:(?=\1)|-))*?\s*\1END\sCERTIFICATE\1

它可能看起来更复杂。但是说Regex的时候，就很清楚了。此外，它不会包括 Begin 之后和 End 之前的换行符。只需拉出 Matcher.Group("Cert") 即可提取证书。

细分：首先，匹配五个破折号。将其设置为 Capture Group 1 以便以后使用。匹配“开始证书”。正则表达式中的空格很难看，应该是 [ ] 或 \s。用 \s（5 个破折号）调用 Capture Group 1。修剪空格，包括带有 \s* 的换行符在 Cert Group 中，一次捕获所有文本集（不要懒惰），直到后面跟着五个破折号。（这是递归的）。匹配任何空格（包括换行符）、五个破折号、END CERTIFICATE 和五个破折号。

【讨论】：

这太棒了。谢谢。