Groovy Regex：字符串拆分模式不返回与匹配器模式相同的结果

Question

我正在尝试提取字符串中开始和结束标记之间的数据。有多个匹配项，我需要提取所有匹配项（放入数组或列表中无所谓）

我有一个限制，不能在我的设置中使用正则表达式匹配器，因此我正在考虑将string.split() 与正则表达式一起使用。

def str = "USELESS STUFF START:M A:STUFF1 B:MORE2 C:THAT3 END:M START:M A:STUFF4 B:MORE5 C:THAT6 END:M START:M A:STUFF7 B:MORE8 C:THAT9 END:M USELESS STUFF"

此模式与 Regex Matcher 一起使用，并提取开始和结束标记之间的所有匹配项。

def items = str =~ /(?s)(?<=START:M).*?(?=END:M)/

结果：

[ A:STUFF1 B:MORE2 C:THAT3, A:STUFF4 B:MORE5 C:THAT6, A:STUFF7 B:MORE8 C:THAT9 ]

但是，当我尝试在 string.split 上使用相同的模式时

def items = str.split(/(?s)(?<=START:M).*?(?=END:M)/)

它为每个匹配返回结束和开始标记本身，而不是它们之间的内容。

[无用的东西开始：M，结束：M 开始：M，结束：M 开始：M，结束：M 无用的东西]

我错过了什么，为什么拆分模式不返回与 Matcher 模式相同的组？

Answer 1

这种行为很好地对应了方法名称：

• 匹配what text ?
• 拆分by what separator?

在这种情况下，Groovy 所做的实际上是在标准 Java API 上添加了一些语法糖。线def items = str =~ /(?s)(?<=START:M).*?(?=END:M)/ 是一样的

Matcher items = Pattern.compile("(?s)(?<=START:M).*?(?=END:M)").matcher(str);

此匹配器找到的组将是

 A:STUFF1 B:MORE2 C:THAT3 
 A:STUFF4 B:MORE5 C:THAT6 
 A:STUFF7 B:MORE8 C:THAT9

当 Matcher 返回匹配项时，Splitter 相反，由它们分割 - 它通过给定的正则表达式找到文本的部分并将它们视为分隔符，将它们切掉并返回剩下的内容：

START:M
//  A:STUFF1 B:MORE2 C:THAT3 is cut out since it's a separator
END:M START:M
//  A:STUFF4 B:MORE5 C:THAT6 is a separator
END:M START:M
//  A:STUFF7 B:MORE8 C:THAT9 is a separator
END:M

要实际获取START 和END 标记之间的数据，str.split(" END:M START:M | START:M | END:M ") 可以。像indexOf、lastIndexOf 和substring 这样的标准 String 方法可以非常有帮助地摆脱无用的东西并只获得所需的组，只需删除第一个 START:M 之前和最后一个 END:M 之前的所有内容：

str.substring(str.indexOf("START:M ") + 8, str.lastIndexOf(" END:M"))
   .split(" END:M START:M ")

// or more groovy
str[str.indexOf("START:M ") + 8 .. str.lastIndexOf(" END:M") - 1]
   .split(" END:M START:M ")

（8是START:M的长度）