在 Java 中搜索任务时需要您的帮助。 我需要从文件中读取一行并列出所有包含超过 1 个大写字母的单词。
例如，如果行是：There are SeVen Planets In this UniverSe
结果应该是：SeVen 和 UniverSe
我可以通过将其拆分为单词来阅读该行，但有些无法使用正确的正则表达式来搜索这些单词。
以下是我使用的一个小例子，虽然我认为它应该返回 true，但它返回 false。
System.out.println("ThiS".matches("[A-Z]{2,}"));
任何人都可以看看这个并提出实现我的结果的方法吗？ 感谢任何帮助。
谢谢，
AJ
【问题讨论】：
[A-Z]{2,} 表示 2 个或多个连续的大写字母。您可以使用[A-Z].*[A-Z]，这将允许任何其他字符出现在两个大写字母之间。
或者，您实际上并不需要为此使用正则表达式。如果您愿意，您可以遍历字符串中的每个字符并使用 Character.isUpperCase 并计算匹配字符的数量。
【讨论】：
SeVen Planets In this UniverS，懒惰匹配SeV。您需要使用\b[A-Z].*?[A-Z].*?\b 定义单词边界，这是非常低效的。也许原子分组或向前看会更好。
The Earth，因为在“The”之前和“Earth”之后有一个单词边界，并且. 匹配空格。
也许[a-z]*[A-Z][a-z]*[A-Z][a-z]* 可以工作。事实是用{..} 计数不允许两个字母之间的字符。
【讨论】：
\b(?:[a-z]*[A-Z]){2}[a-z]*\b
将匹配至少包含两个大写字母的单词。
如果您想允许包含非 ASCII 字母的单词，请使用
\b(?:\p{Ll}*\p{Lu}){2}\p{Ll}*\b
当然，在 Java 字符串中，您需要转义（双）反斜杠。
所以你得到：
Pattern regex = Pattern.compile("\\b(?:\\p{Ll}*\\p{Lu}){2}\\p{Ll}*\\b");
Matcher regexMatcher = regex.matcher(subjectString);
while (regexMatcher.find()) {
// matched text: regexMatcher.group()
// match start: regexMatcher.start()
// match end: regexMatcher.end()
}
【讨论】：
您列出的正则表达式不起作用，因为它会搜索 2 个或更多大写字母的连续序列。
我认为您需要做的是编写一个表达式，让您在两边都允许小写字母。
我不记得确切的语法（我要检查一下），但像 .*[A-Z].*[A-Z].* 这样的东西会确保你有两个大写字母
【讨论】：
您当前的正则表达式仅匹配两个或多个大写字母的序列，而不是遍布整个单词的多个字母。因此，您将匹配 THis 和 tHIS 而不是您发现的 ThiS。
您需要查找一个大写字母，可能是一些小写字母，然后是另一个大写字母。或者在正则表达式中：[A-Z]\w*?[A-Z]
如果你想搜索整个字符串而不需要先拆分它，那么在任一端包含其他单词字符的可能性并让表达式捕获：(\w*?[A-Z]\w*?[A-Z]\w*)
还请注意，我们使用了不情愿的量词，以便它们在前两个实例中尽早停止匹配，并在末尾使用正常（贪婪）量词来获取单词的其余部分。阅读有关各种量词的更多信息here。
【讨论】：
Pattern pat = Pattern.compile("\\w*[A-Z]\\w*[A-Z]\\w*");
Matcher matcher = pat.matcher("There are SeVen Planets In this UniverSe");
while ( matcher.find() ) {
System.out.println(matcher.group());
}
打印
SeVen
UniverSe
虽然我对正则表达式很糟糕，所以可能有一种更简单的方法。不过这种方式很容易理解：从单词的开头开始，匹配 0 个或多个字符，然后是一个大写字符，然后是 0 个或多个字符，然后是另一个大写字符，然后是 0 个或多个字符。
【讨论】：
我使用这个正则表达式/[A-Z].[A-Z]+/
【讨论】：
/[A-Z].*[A-Z]+/ 不是更好吗？我认为您提出的正则表达式将匹配 AbC 但不匹配 AbcD。
你可以使用这个正则表达式：
"SeVen".matches("[A-Z].[A-Z][a-zA-Z]") //true
"SeveNEight".matches("[A-Z].[A-Z][a-zA-Z]") //true
"seVeneight".matches("[A-Z].[A-Z][a-zA-Z]") //假
【讨论】：