Java 正则表达式：UNGREEDY 标志答案

【问题标题】：Java Regexp: UNGREEDY flagJava 正则表达式：UNGREEDY 标志
【发布时间】：2009-10-12 00:28:47
【问题描述】：

我想将通用文本处理工具Texy! 从 PHP 移植到 Java。

此工具使用preg_match_all("/.../U") 在任何地方进行不贪婪匹配。所以我正在寻找一个库，它有一些 UNGREEDY 标志。

我知道我可以使用.*? 语法，但确实有很多正则表达式我必须覆盖，并在每个更新版本中检查它们。

我已经检查过了

ORO - 似乎被遗弃了
Jakarta Regexp - 不支持
java.util.regex - 不支持

有没有这样的库？

谢谢，昂德拉

【问题讨论】：

标签： java php regex reluctant-quantifiers non-greedy

【解决方案1】：

更新：检查文档后，我发现了 LAZY 标志，这是非贪婪的另一个术语。但是它似乎只在 OpenJDK 中可用

p = Pattern.compile("your regex here", LAZY);
p.matcher("string to match")

原始已弃用响应 老实说，我认为没有。

+ 的全部意义？和 *？是这样你可以选择哪些部分贪婪地做，哪些部分懒惰地做。

贪婪是默认行为，因为这是正则表达式中 + 和 * 最常用的用法。事实上，我想不出一个正则表达式解析器可以反过来做。就像使用修饰符使某些东西变得贪婪一样，默认是惰性匹配。

我知道这不是您正在寻找的答案，但是，我认为您能够使其工作的唯一方法是添加 ?到您的 * 和 + 。从好的方面来说，您可以使用正则表达式来帮助确定哪些需要更改。如果所有这些都需要更改，甚至可以为您进行更改。或者，您是否可以描述一种模式来识别需要更改的内容。

【讨论】：

所以你是说没有办法改变默认行为？拥有一个不能仅仅因为它是“最常见的 [...]”而改变的默认行为并不意味着拥有 switch 是一个坏主意
我并不是说这不可能，甚至没有必要。我只是根据我在多种语言方面的经验来说明这一点。在提问者提到 preg_match_all("/.../U") 之前，我什至从未见过正则表达式的惰性切换。
哇，当它在 OpenJDK 中时，它很有可能成为 Sun JDK！而且，希望我可以采用 OpenJDK 的实现并在 Sun JDK 中使用它。但是，你在哪里找到的？它不在文档中：jdocs.com/javase/7.b12/java/util/regex/Pattern.html（应该是 OpenJDK 的文档）。
这是我找到它的地方。请注意，它被列为最终 int，通常表示标志。但它没有确切的描述。所以它可能没有实现。 docjar.com/docs/api/java/util/regex/Pattern.html
不幸的是，这只是一个用于解析和处理闭包的常量。 docjar.com 从源创建文档，并显示私有范围。

【解决方案2】：

我建议您创建自己的修改后的 Java 库。只需将 java.util.regex 源代码复制到您自己的包中即可。

Sun JDK 1.6 Pattern.java 类提供以下默认标志：

static final int GREEDY     = 0;

static final int LAZY       = 1;

static final int POSSESSIVE = 2;

您会注意到这些标志只使用了几次，而且修改起来也很简单。举个例子：

    case '*':
        ch = next();
        if (ch == '?') {
            next();
            return new Curly(prev, 0, MAX_REPS, LAZY);
        } else if (ch == '+') {
            next();
            return new Curly(prev, 0, MAX_REPS, POSSESSIVE);
        }
        return new Curly(prev, 0, MAX_REPS, GREEDY);

只需更改最后一行以使用“懒惰”标志而不是 GREEDY 标志。由于您希望正则表达式库的行为类似于 PHP，这可能是最好的方法。

【讨论】：

实际上，这个 RFE 的补丁就像用从标志创建的变量替换默认返回路径中的 GREEDY 一样简单。太好了，我要向 JDK 提交补丁 :)

【解决方案3】：

关于检查和重新检查所有正则表达式的想法，您确定 php 和 java 库在语法上足够一致，您不必这样做吗？我首先要做的是遍历它们并编写一些测试（输入和输出）并确保它们在两种实现中的工作方式相同。然后设计一种自动运行它们的方法，您将在未来的升级和不兼容问题上得到保障。你仍然需要调整一些东西，但至少你会知道在哪里。

【讨论】：

嗯，java.util.regex 应该是 Perl5 兼容的，不包括工具中没有使用的几个特性——除了这个。当然，我已经要求 PHP 原件的作者创建一些测试来证明其他实现。

【解决方案4】：

您也许可以使用“com.caucho.quercus.lib.regexp.JavaRegexpModule”。 Quercus is a Java implementation of PHP，正则表达式库实现了 PHP 正则表达式 syntax and method names。

【讨论】：