在java正则表达式中结合白名单和黑名单答案

【问题标题】：Combine whitelist and blacklist in java regex expression在java正则表达式中结合白名单和黑名单
【发布时间】：2016-04-14 09:32:35
【问题描述】：

我在构建允许所有 UTF-8 字符范围的正则表达式时遇到问题，但 2 个字符除外：'_' 和 '?'

所以白名单是：^[\u0000-\uFFFF] 黑名单是：^[^_%]

我需要将这些组合成一个表达式。

我尝试了以下代码，但没有按照我希望的方式工作：

    String input = "this";
    Pattern p = Pattern
            .compile("^[\u0000-\uFFFF]+$ | ^[^_%]");
    Matcher m = p.matcher(input);
    boolean result = m.matches();
    System.out.println(result);

输入：这个
实际输出：假
期望的输出：真

【问题讨论】：

更新代码，有效输入返回false
您应该提供输入和所需输出的示例。
从这个文档：docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html，你可以试试这个：[a-z&&[^m-p]] a 到 z，而不是 m 到 p：[a-lq-z]（减法） .一个完整的字符范围，除了其他范围。
你可以试试这个-Pattern p = Pattern.compile("(?!.*[_%])[\u0000-\uFFFF]+");
感谢 Jose Luis，我需要嵌套表达式。

标签： java regex

【解决方案1】：

您可以在 Java 正则表达式中使用 character class intersections/subtractions 来限制“通用”字符类。

字符类[a-z&&[^aeiuo]] 匹配一个非元音字母。换句话说：它匹配一个辅音。

使用

"^[\u0000-\uFFFF&&[^_%]]+$"

匹配除_ 和% 之外的所有Unicode 字符。

有关 Java 正则表达式中可用的字符类交集/减法的更多信息，请参阅The Java™ Tutorials: Character Classes。

OCPSoft Visual Regex Tester 的测试显示当% 添加到字符串时不匹配：

还有Java demo：

String input = "this";
Pattern p = Pattern.compile("[\u0000-\uFFFF&&[^_%]]+"); // No anchors because `matches()` is used
Matcher m = p.matcher(input);
boolean result = m.matches();
System.out.println(result); // => true

【讨论】：

加上 1 个使用交叉点的好解决方案。

【解决方案2】：

这是一个示例代码，用于从使用 Lookahead and Lookbehind Zero-Length Assertions 的范围中排除一些字符，这些字符实际上不消耗字符串中的字符，而只是断言是否可能匹配。

示例代码：（从a-z 范围内排除m 和n）

    String str = "abcdmnxyz";
    Pattern p=Pattern.compile("(?![mn])[a-z]");
    Matcher m=p.matcher(str);
    while(m.find()){
        System.out.println(m.group());
    }

输出：

a b c d x y z

以同样的方式你可以做到。

正则表达式解释(?![mn])[a-z]

  (?!                      look ahead to see if there is not:   
    [mn]                     any character of: 'm', 'n' 
  )                        end of look-ahead    
  [a-z]                    any character of: 'a' to 'z'

您可以将整个范围划分为子范围，也可以使用([a-l]|[o-z]) 或[a-lo-z] 正则表达式解决上述问题。

【讨论】：

有更好的方法使用字符集交集。
请您将其添加为答案，以便我也可以学习它。也可以有其他方式，例如([a-l]|[o-z])
您的解决方案非常适合在 JavaScript 和 Python re 中使用。如果解决方案必须在 Java、Python 和 JS 之间移植，这是一个很好的方法。

【解决方案3】：

你的问题是管道两边的空格。

两者都不是

" ^.*"
".*$ "

将匹配任何内容，因为在 start 之前或 end 之后什么都不会出现。

这有机会：

^[\u0000-\uFFFF]+$|^[^_%]

【讨论】：