匹配正则表达式中的最长字符串或在常见子字符串的情况下答案

【问题标题】：Match longest string in Regex OR in case of common substring匹配正则表达式中的最长字符串或在常见子字符串的情况下
【发布时间】：2019-02-21 05:46:45
【问题描述】：

在正则表达式 OR 中，当有多个输入具有公共前缀时，正则表达式将匹配 Regex OR 中的第一个输入，而不是最长匹配。

例如，对于正则表达式 regex = (KA|KARNATAKA) 和 input = KARNATAKA，输出将是 2 个匹配 match1 =KA 和 match2 = KA。

但我想要的是在Regex OR 中的给定输入中完成最长可能匹配，在我给定的示例中为match1 = KARNATAKA。

Here is the example in a regex client

所以我现在正在做的是，我按长度降序对Regex OR 中的输入进行排序。

我的问题是，我们可以在正则表达式本身中指定匹配最长的字符串吗？还是排序是唯一的方法？

I have already refered this question and I don't see a solution other than sorting

【问题讨论】：

试试这个\b(KA|KARNATAKA)\b
@SHAHAKASH 如果他想匹配KARNA 怎么办。您的解决方案 \b(KA|KARNA)\b 在那里不起作用
是什么问题阻止您进行排序？
@Jai 当输入非常少或者是一次性工作时，对输入进行排序是没有问题的。当我们有大量输入并且我们必须一次又一次地动态地进行时，就会出现性能问题。我只是想知道我们是否可以让Regex engine 处理这个问题。
尝试使用单词边界\b，(\bKA\b|\bKARNATAKA\b) 会起作用

标签： java regex regex-greedy

【解决方案1】：

您可以使用单词边界（\b）来避免匹配前缀

对于您提到的情况：以下正则表达式将仅匹配 KA 或 KARNATAKA

(\bKA\b|\bKARNATAKA\b)

Try here

【讨论】：

如果他想匹配KARNA怎么办。您的解决方案 (\bKA\b|\bKARNATAKA\b) 在评论中不起作用。
@SHAHAKASH 它不应该匹配“KARNA”。
他想要最长的匹配。
@SHAHAKASH 最长精确匹配。
if String test="KA KARN" --> 那么他想要的是 KARN，而不是 KA，如果我没记错的话，这是个问题。

【解决方案2】：

您可以为此创建一个辅助方法：

public final class PatternHelper {
    public static Pattern compileSortedOr(String regex) {
        Matcher matcher = Pattern.compile("(.*)\\((.*\\|.*)\\)(.*)").matcher(regex);

        if (matcher.matches()) {
            List<String> conditions = Arrays.asList(matcher.group(2).split("\\|"));
            List<String> sortedConditions = conditions.stream()
                                                      .sorted((c1, c2) -> c2.length() - c1.length())
                                                      .collect(Collectors.toList());

            return Pattern.compile(matcher.group(1) +
                                       "(" +
                                       String.join("|", sortedConditions) +
                                       ")" +
                                       matcher.group(3));
        }

        return Pattern.compile(regex);
    }
}

Matcher matcher = PatternHelper.compileSortedOr("(KA|KARNATAKA)").matcher("KARNATAKA");
if (matcher.matches()) {
    System.out.println(matcher.group(1));
}

输出：

KARNATAKA

附：这仅适用于没有嵌套括号的简单表达式。如果您期待非常复杂的表达式，则需要进行调整。

【讨论】：