用于标识符（字母、数字和下划线）的 Java 正则表达式

Question

假设您给出的输入可能类似于 (identifier1 identifier_2 23 4)。

我想在每个标识符后添加一个# 符号，它可以包含字母、数字和下划线。它们只能以字母开头，后跟字母、数字和下划线的变体。我的方法是这样的：

input.replaceAll("[A-Za-z0-9_]+", "$0#");

但是，这也会在我想排除的每个数字后面加上 # 符号。结果应该是(identifier1# identifier_2# 23 4)。有没有可能用正则表达式解决这个问题？

Answer 1

更新 2

Incremental Java 说：

• 每个标识符必须至少包含一个字符。
  
• 第一个字符必须选自：字母、下划线或美元符号。第一个字符不能是数字。
  
• 其余字符（第一个除外）可以来自：字母、数字、下划线或美元符号。换句话说，它可以是任何有效的标识符字符。
  
  简而言之，标识符是从字母、数字、下划线或美元符号中选择的一个或多个字符。唯一的限制是第一个字符不能是数字。

所以，你最好使用

String pattern = "(?:\\b[_a-zA-Z]|\\B\\$)[_$a-zA-Z0-9]*+";

见the regex demo

更新

累加。到Representing identifiers using Regular Expression，标识符正则表达式是[_a-zA-Z][_a-zA-Z0-9]*。

所以，你可以使用

String pattern = "\\b[_a-zA-Z][_a-zA-Z0-9]*\\b";

注意它允许_______。

你可以使用

String p = "\\b_*[a-zA-Z][_a-zA-Z0-9]*\\b";

为了避免这种情况。见IDEONE demo。

String s = "(identifier1 identifier_2 23 4) ____ 33"; 
String p = "\\b_*[a-zA-Z][_a-zA-Z0-9]*\\b";
System.out.println(s.replaceAll(p, "$0#"));

输出：(identifier1# identifier_2# 23 4) ____ 33

旧答案

您可以使用以下模式：

String p = "\\b(?!\\d+\\b)[A-Za-z0-9]+(?:_[A-Za-z0-9]+)*\\b";

或者（如果_可以出现在末尾）：

String p = "\\b(?!\\d+\\b)[A-Za-z0-9]+(?:_[A-Za-z0-9]*)*\\b";

见regex demo

该模式要求整个单词（因为表达式包含在单词边界 \b 中）不应等于数字（使用 (?!\d+\b) 检查），展开部分 [A-Za-z0-9]+(?:_[A-Za-z0-9])* 匹配非下划线单词字符块，后跟零个或多个下划线序列，后跟非下划线单词字符块。

IDEONE demo:

String s = "(identifier1 identifier_2 23 4) ____ 33"; 
String p = "\\b(?!\\d+\\b)[A-Za-z0-9]+(?:_[A-Za-z0-9]*)*\\b";
System.out.println(s.replaceAll(p, "$0#")); 

输出：(identifier1# identifier_2# 23 4) ____ 33

Answer 2

你当前的正则表达式说

一个或多个大写或小写字母、数字或下划线，在 无论顺序。

根据该正则表达式，54 是一个有效的标识符。

你真的想写

一个字母，后跟任意数量的字母、数字或 下划线，以任意顺序

那会写成这样的代码：

input.replaceAll("[A-Za-z][A-Za-z0-9_]*", "$0#");

---

Wiktor 指出，此正则表达式仍将匹配非标识符内部的“标识符”。为了解决这个问题，您可以使用以下变体：

input.replaceAll("\\b([A-Za-z][A-Za-z0-9_]*)\\b", "$1#")

这拒绝将123ab123 作为有效标识符，但在123 ab123 中接受ab123