模式匹配器与字符串拆分，我应该使用哪个？

Question

第一次发帖。

首先我知道如何使用模式匹配器和字符串拆分。 我的问题是哪个最适合我在我的示例中使用，为什么？ 或提供更好的替代方案的建议。

任务： 我需要在未知字符串中的两个已知正则表达式之间提取未知名词。

我的解决方案： 获取名词的开头和结尾（来自 Regexp 1&2）和子字符串以提取名词。

String line = "unknownXoooXNOUNXccccccXunknown";
int goal = 12 ;
String regexp1 = "Xo+X";
String regexp2 = "Xc+X";

1. 我需要在第一个正则表达式之后定位索引位置。
2. 我需要在第二个正则表达式之前找到索引位置。

A) 我可以使用模式匹配器

    Pattern p = Pattern.compile(regexp1);
    Matcher m = p.matcher(line);
    if (m.find()) {
        int afterRegex1 = m.end();
    } else {
        throw new IllegalArgumentException();
        //TODO Exception Management;
    }

B) 我可以使用字符串拆分

    String[] split = line.split(regex1,2);
    if (split.length != 2) {
        throw new UnsupportedOperationException();
        //TODO Exception Management;
    }
    int afterRegex1 = line.indexOf(split[1]);

我应该使用哪种方法，为什么？ 我不知道哪个在时间和内存上更有效。 两者都足够接近我自己的可读性。

Answer 1

我会这样做：

String line = "unknownXoooXNOUNXccccccXunknown";
String regex = "Xo+X(.*?)Xc+X";

Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(line);
if (m.find()) {
   String noun = m.group(1);
}

(.*?) 用于在名词 reluctant 上进行内部匹配。这可以防止我们的结尾模式再次出现在字符串的未知部分中。

编辑

这是因为(.*?) 定义了一个捕获组。模式中只定义了一个这样的组，因此它的索引为 1（m.group(1) 的参数）。这些组从 1 开始从左到右进行索引。如果模式是这样定义的

String regex = "(Xo+X)(.*?)(Xc+X)";

那么会有三个捕获组，这样

m.group(1); // yields "XoooX"
m.group(2); // yields "NOUN"
m.group(3); // yields "XccccccX"

是组 0，但它匹配整个模式，它相当于这个

m.group(); // yields "XoooXNOUNXccccccX"

有关您可以使用 Matcher 做什么的更多信息，包括在源字符串中获取模式的开始和结束位置的方法，请参阅Matcher JavaDocs

Answer 2

您应该使用String.split() 来提高可读性，除非您处于一个紧凑的循环中。

根据split()'s javadoc，split() 相当于Pattern.compile()，如果您处于紧密循环中，您可以优化掉它。

Answer 3

您似乎想要获得一个独特的事件。为此，只需

input.replaceAll(".*Xo+X(.*)Xc+X.*", "$1")

为了效率，请改用Pattern.matcher(input).replaceAll。

如果您输入的内容包含换行符，请使用Pattern.DOTALL 或s 修饰符。

---

如果您想使用拆分，请考虑使用 Guava 的Splitter。它的行为更加理智，还接受Pattern，这对速度有好处。

Answer 4

如果你真的需要这些位置，你可以这样做：

String line = "unknownXoooXNOUNXccccccXunknown";
String regexp1 = "Xo+X";
String regexp2 = "Xc+X";

Matcher m=Pattern.compile(regexp1).matcher(line);
if(m.find())
{
  int start=m.end();
  if(m.usePattern(Pattern.compile(regexp2)).find())
  {
    final int end = m.start();
    System.out.println("from "+start+" to "+end+" is "+line.substring(start, end));
  }
}

但如果您只需要介于两者之间的词，我推荐 Ian McLaird 所展示的方式。