多组的正则表达式不起作用 - Java 1.7 到 1.8 - ScriptEngine Rhino 到 Nashorn

Question

我遇到了question 中所述的正则表达式问题

字符串如下：<SPAN>06-24-2015 11:28AM 0250 01 90775 05342</SPAN>

1.7 Java 上的 JS 代码运行良好： 正则表达式：

/<span>(\\d{2}-\\d{2}-\\d{4})\\s*?(\\d{1,2}:\\d{2}\\s*?(?:am|pm))\\s*?(?:<\\/SPAN><BR\\/?><SPAN>)?\\s*?((\\d[ -]*?){13,17})\\s*?<\\/span>/i

但是正如上面共享的问题中所描述的那样，在 1.8 Java 中同样不起作用。 得到该问题的建议后，我逐组创建了我的正则表达式，并知道只有正则表达式的最后一部分在 1.8 中不起作用。

ScriptEngineManager mgr = new ScriptEngineManager();
        ScriptEngine engine = mgr.getEngineByName("JavaScript");

        String js = "var fileSrc = '<SPAN>06-24-2015  11:28AM  0250 01 90775 05342</SPAN>';"
                + "var trans_regex = /<span>(\\d{2}-\\d{2}-\\d{4})\\s*?(\\d{1,2}:\\d{2}\\s*?(?:am|pm))\\s*?(?:<\\/SPAN><BR\\/?><SPAN>)?\\s*?((\\d[ -]*?){13,17})\\s*?/i;"
                + "print('executed regex result : ' + trans_regex.exec(fileSrc) ) ; ";

        Object result = engine.eval(js);

在上面共享的代码中，正则表达式被截断为：

/<span>(\\d{2}-\\d{2}-\\d{4})\\s*?(\\d{1,2}:\\d{2}\\s*?(?:am|pm))\\s*?(?:<\\/SPAN><BR\\/?><SPAN>)?\\s*?((\\d[ -]*?){13,17})\\s*?/i

结果为：

executed regex result : <SPAN>06-24-2015  11:28AM  0250 01 90775,06-24-2015,11:28AM,0250 01 90775,5

而实际的正则表达式是：

/<span>(\\d{2}-\\d{2}-\\d{4})\\s*?(\\d{1,2}:\\d{2}\\s*?(?:am|pm))\\s*?(?:<\\/SPAN><BR\\/?><SPAN>)?\\s*?((\\d[ -]*?){13,17})\\s*?<\\/span>/i

任何人都可以建议应该做些什么来使实际的正则表达式在 1.8 上再次工作。

实际的 JS 正则表达式可以在这里找到https://regex101.com/r/ARqNJ4/1

编辑

在 1.7 中，脚本引擎是 Rhino，在 1.8 中是 Nashorn

编辑 2

根据评论中的建议，截断的错误正则表达式如下：

要匹配的字符串 :<SPAN>0250 01 90775 05342</SPAN>

目前使用的正则表达式：

/<span>\\s*?((\\d[ -]*?){13,17})\\s*?/i

输出（不是必需的）：

executed regex result : <SPAN>0250 01 90775,0250 01 90775,5

正则表达式在 1.7 中工作：

/<span>\\s*?((\\d[ -]*?){13,17})\\s*?<\\/span>/i

Answer 1

据我所知，您需要做的就是在结束 <\\/span\\> 之前添加 [^<]*? 。此外，您不需要转义最后一个跨度的起始 <。所以，这就是这个脚本：

    ScriptEngineManager mgr = new ScriptEngineManager();
    ScriptEngine engine = mgr.getEngineByName("JavaScript");
    String js = "var fileSrc = '<SPAN>06-24-2015  11:28AM  0250 01 90775 05342</SPAN>';"
            + "var trans_regex = /\\<span\\>(\\d{2}-\\d{2}-\\d{4})\\s*?(\\d{1,2}:\\d{2}\\s*?(?:am|pm))\\s*?(?:<\\/SPAN><BR\\/?><SPAN>)?\\s*?((\\d[ -]*?){13,17})\\s*?[^<]*?\\<\\/span\\>/i ;"
            + "print('executed regex result : ' + trans_regex.exec(fileSrc) ) ; "
            + "var t_time = trans_regex.exec(fileSrc)[2];"
            + "var t_cc = trans_regex.exec(fileSrc)[3];"
            + "print(\" time \" + t_time)";

    Object result = engine.eval(js);

结果：

executed regex result : <SPAN>06-24-2015  11:28AM  0250 01 90775 05342</SPAN>,06-24-2015,11:28AM,0250 01 90775,5
 time 11:28AM

更新 - 解释和替代方案

这是原始正则表达式的最后一组：((\\d[ -]*?){13,17})。这对我来说看起来很棘手，但是，我不知道这背后的意图。它的作用：

1. 匹配一个数字
2. 匹配零个或多个空格或连字符
3. 重复第 1 步和第 2 步，至少 13 次，最多 17 次。

这真的很棘手，因为零个或多个空格或连字符可以匹配任何地方。我相信意图是这样的：

考虑字符串0250 01。前导 '0' 将匹配 1 个数字和 0 个其他字符。 '2' 和 '5' 也是如此。然后，'0 ' 将匹配一个数字和一个空格。以此类推，最多 13-17 位。

显然，Nashorn 引擎无法处理此构造。如果我添加这个打印语句：

+ "print (trans_regex.exec(fileSrc));"

那么我会得到这个结果：

<SPAN>06-24-2015  11:28AM  0250 01 90775 05342</SPAN>,06-24-2015,11:28AM,0250 01 90775,5

这告诉我 ((\\d[ -]*?){13,17}) 匹配 0250 01 90775，这只有 11 位数字。所以我的“修复”只是在结束 <\span> 的开头捕捉到其余字符。

根据this regex demo，你的逻辑应该匹配。

解决方法 1

您可以使连字符或空格部分变得贪婪。 IE。删除*之后的?：

((\\d[ -]*){13,17})

我会选择这个。

解决方法 2

您可以指定更多的重复次数，在本例中为 19：

((\\d[ -]*?){13,19})

恐怕在这种情况下，您也必须更改下限。