正则表达式第一个字符不匹配

Question

我遇到了一些 Java 模式问题。这是我的模式：

"^[\\p{L}\\p{Digit}~._-]+$"

它匹配任何 US-ASCII 字母、数字、一些特殊字符，基本上是任何不会打乱 URL 的东西。

我想要的是找到与此模式不匹配的单词中的第一个字母。基本上用户发送一个文本作为输入，如果我发现一个非法字符，我必须验证它并抛出异常。

我尝试否定这种模式，但它无法正确编译。 find() 也帮不上什么忙。

合法的输入应该是hello，而?hello 不应该是，我的例外应该指出? 不正确。

我更喜欢使用 Java 的 Matcher、Pattern 或使用 util.regex 的东西的建议。这不是必需的，但单独检查字符串中的每个字符并不是解决方案。

编辑：我想出了一个更好的正则表达式来匹配未保留的 URI 字符

Answer 1

试试这个：

^[\\p{L}\\p{Digit}.'-.'_]*([^\\p{L}\\p{Digit}.'-.'_]).*$

第一个不匹配的字符是组n°1

我在这里做了一些尝试：http://fiddle.re/gkkzm61

解释：

我否定了你的模式，所以我建立了这个：

[^\\p{L}\\p{Digit}.'-.'_]      [^...] means every character except for
^                       ^             the following ones.
|  your pattern inside  |

图案有 3 个部分：

^[\\p{L}\\p{Digit}.'-.'_]*

从第一个字符开始检查正则表达式，直到遇到不匹配的字符

([^\\p{L}\\p{Digit}.'-.'_]) 

捕获组内的非匹配字符（否定）

.*$

直到字符串结尾的任何字符。

希望对你有帮助

编辑：

正确的正则表达式应该是：

^[\\p{L}\\p{Digit}~._-]*([^\\p{L}\\p{Digit}~._-]).*$

同样的方法，我只是改变了第一部分和第二部分的内容。

我试过了，它似乎有效。

Answer 2

"^[\\p{L}\\p{Digit}.'-.'_]+$" 模式匹配包含在字符类中定义的 1+ 个字符的任何字符串。请注意，双重' 和. 是可疑的，您可能不知道'-. 创建了一个范围并匹配'()*+,-.。如果不是故意的，我想你的意思是使用.'_-。

要检查字符串是否以字符类中定义的字符以外的字符开头，可以否定字符类，并仅检查字符串中的第一个字符：

if (str.matches("[^\\p{L}\\p{Digit}.'_-].*")) {
   /* String starts with the disallowed character */ 
}

我还认为您可以将正则表达式缩短为 "(?U)[^\\w.'-].*"。无论如何，\\p{Digit} 可以替换为\\d。

Answer 3

试试这个找出第一个无效字符：

Pattern negPattern = Pattern.compile(".*?([^\\p{L}^\\p{Digit}^.^'-.'^_]+).*");
Matcher matcher = negPattern.matcher("hel?lo");
if (matcher.matches())
{
    System.out.println("'" + matcher.group(1).charAt(0) + "'");
}