java 正则表达式的后视问题。后视组没有明显的最大长度答案

【问题标题】：Look-behind issue with java regex. Look-behind group does not have an obvious maximum lengthjava 正则表达式的后视问题。后视组没有明显的最大长度
【发布时间】：2019-07-05 15:50:47
【问题描述】：

我需要使用 Java RegEx 匹配 xml 文档中 <noteinfo> 标记内的 sequence='999'（xml 解析器不是一个选项）。

xml 片段：

<xmltag sequence='11'>
  <noteinfo noteid='1fe' unid='25436AF06906885A8525840B00805DBC' sequence='3'/>
</xmltag>

我正在使用这个：(?<=<noteinfo.*)sequence='[0-9999]'(?=/>)

我期待与此匹配：sequence='3'

出现错误：java.util.regex.PatternSyntaxException：后视组没有明显的最大长度

我知道问题出在后视部分的 .* 上。有什么办法可以避免这个错误？

【问题讨论】：

Any alternatives to avoid the error? 使用解析器。说真的，这是唯一的方法。

标签： java regex lookbehind

【解决方案1】：

如果不是绝对必要，切勿使用后视

您可以使用花括号减少后视的长度，例如。 {1,255}.
无需使用后视即可解决您的问题：
static final Pattern seqpat = Pattern.compile( "<noteinfo[^>]+(?<seq>sequence\\s*=\\s*'[\\d]*')", Pattern.MULTILINE );

使用以下命令读取文件：

Matcher m = seqpat.matcher( s );
while( m.find() )
  System.err.println( m.group( "seq" ) );

Pattern.MULTILINE 在注释信息行被包装的情况下是必需的
seqpat 找到（不匹配！）任何以<noteinfo 开头并以> 结尾的行
请求的序列被捕获在group( "seq" )
也许您必须处理 sequence、= 和序列 ID '3' 之间的空格或换行符 - 因此：\\s*=\\s*

上面的 Pattern 会找到每个 sequence-id（甚至是一个 empy）
要仅查找 '999' 序列 ID，请使用此模式：
Pattern.compile( "<noteinfo[^>]+(?<seq>sequence\\s*=\\s*'999')", Pattern.MULTILINE );

【讨论】：

【解决方案2】：

我的猜测是你可能想要设计一个类似的表达式：

(?=<noteinfo).*(sequence='[0-9]'|sequence='[1-9][0-9]{0,3}')

DEMO

测试

import java.util.regex.Matcher;
import java.util.regex.Pattern;

final String regex = "(?=<noteinfo).*(sequence='[0-9]'|sequence='[1-9][0-9]{0,3}')";
final String string = "<xmltag sequence='11'>\n"
     + "  <noteinfo noteid='1fe' unid='25436AF06906885A8525840B00805DBC' sequence='3'/>\n"
     + "</xmltag>\n"
     + "<xmltag sequence='11'>\n"
     + "  <noteinfo noteid='1fe' unid='25436AF06906885A8525840B00805DBC' sequence='9999'/>\n"
     + "</xmltag>\n"
     + "<xmltag sequence='11'>\n"
     + "  <noteinfo noteid='1fe' unid='25436AF06906885A8525840B00805DBC' sequence='10000'/>\n"
     + "</xmltag>\n"
     + "<xmltag sequence='11'>\n"
     + "  <noteinfo noteid='1fe' unid='25436AF06906885A8525840B00805DBC' sequence='-1'/>\n"
     + "</xmltag>";

final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
final Matcher matcher = pattern.matcher(string);

while (matcher.find()) {
    System.out.println("Full match: " + matcher.group(0));
    for (int i = 1; i <= matcher.groupCount(); i++) {
        System.out.println("Group " + i + ": " + matcher.group(i));
    }
}

【讨论】：