正则表达式包含和排除转义序列

Question

我正在尝试找到一个采用以下数据的正则表达式模式：

static String testData = "0001,48;0451,0605\\,230001;0461,0606\\;230006;0431,0605230002";

并打印到以下组：

Group 1: 0001,48;
Group 2: 0451,0605\\,230001;
Group 3: 0461,0606\\;230006;
Group 4: 0431,0605230002;

我目前的模式在解析 '0605\,230001' 中出现的转义序列时效率不高。

static String testPattern = "([\\d]{4}" + "[,]{1}"+ "(?:[[a-zA-Z0-9][\\;][\\,][\\(][\\)][\\s]]*)"+ "[;]{1})" ;

上述模式仅在打印时有效：

Group 1: 0001,48;
Group 2: 0431,0605230001;

其余代码：

Pattern pattern=Pattern.compile(testPattern);
Matcher matcher = pattern.matcher(testData);

System.out.println("Test Matches: "+testData.matches(testPattern));

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

有没有办法让我们在模式中包含转义序列，并且在我们需要的时候也不转义它们？

Answer 1

按照建议。您可以使用String#split() 方法使用正则表达式进行拆分。

在此处查看此示例：

String testData = "0001,48;0451,0605\\,230001;0431,0605230002;";
String[] array = testData.split("(?<=[^\\]);");
for(int i = 0; i < array.length; i++)
{
    System.out.println(array[i]);
}

打印出来的

"0001,48"
"0451,0605\\,230001"
"0431,0605230002"

然后，如果您的 testData 为 ""0001,48;0451,0605\\;230001;0431,0605230002;"（注意转义的 ;），它会打印

"0001,48"
"0451,0605\\;230001"
"0431,0605230002"

如果您最后需要分号，您可以手动添加它们或使用此正则表达式，它将保留分号并仅拆分非转义分号

"(?<=(?<=[^\\]);)"

Answer 2

当您想将输入拆分为由; 分隔的部分时，此模式应该可以工作：

"\\G([^;\\\\]|\\\\.)+;"

上面的正则表达式应该与Matcher.find()一起使用。需要注意的是，每次匹配后都需要记录是否已经到达输入的末尾，以便检查是否所有的输入都被消耗掉了。

这应该适用于严重转义的输入（注意这是文本，而不是 Java 字符串文字）：

456\\\;734;82734\\\\;574\;347;

（作为 Java 字符串文字："456\\\\\\;734;82734\\\\\\\\;574\\;347;"）

将分为：

456\\\;734;
82734\\\\;
574\;347;

如果;前面有偶数个\，则表示\自行转义，所以;不会被转义。

Answer 3

试试代码

for(String str : testData.split("(?<=(?<!\\\\);)"))
{
    System.out.println(str);
}

它使用 String 的 .split() 方法将字符串拆分为单独的部分，然后打印出每个部分。

如果您需要按照问题中的方式实现正则表达式，请将此字符串用于正则表达式：

"+*?(?<=(?<!\\\\);)"

在这里解释和演示：http://regex101.com/r/vW0oT9

Answer 4

采用my answer 的副本来回答另一个问题。

虽然实现您自己的 split() 函数一开始可能看起来像是开销，但我的解决方案可以正确处理包含反斜杠转义分号和反斜杠之类的字符串

String input = "0001,48;0451,0605\\,230001\\\\;0461,0606\\;230006;0431,0605230002";

示例用法：

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

public class Print {
    public static void main(final String[] args) {
        String input = "0001,48;0451,0605\\,230001\\\\;0461,0606\\;230006;0431,0605230002";
        final String[] strings = splitValues(input);
        System.out.print("\""+input+"\" => ");
        printQuoted(strings);
    }

    public static String[] splitValues(final String input) {
        final ArrayList<String> result = new ArrayList<String>();
        // (?:\\\\)* matches any number of \-pairs
        // (?<!\\) ensures that the \-pairs aren't preceded by a single \
        final Pattern pattern = Pattern.compile("(?<!\\\\)(?:\\\\\\\\)*;");
        final Matcher matcher = pattern.matcher(input);
        int previous = 0;
        while (matcher.find()) {
            result.add(input.substring(previous, matcher.end()));
            previous = matcher.end();
        }
        result.add(input.substring(previous, input.length()));
        return result.toArray(new String[result.size()]);
    }

    public static void printQuoted(final String[] strings) {
        if (strings.length > 0) {
            System.out.print("[\"");
            System.out.print(strings[0]);
            for(int i = 1; i < strings.length; i++) {
                System.out.print("\", \"");
                System.out.print(strings[i]);
            }
            System.out.println("\"]");
        } else {
            System.out.println("[]");
        }
    }
}

将打印

"0001,48;0451,0605\,230001\\;0461,0606\;230006;0431,0605230002" => ["0001,48;", "0451,0605\,230001\\;", "0461,0606\;230006;", "0431,0605230002"]

如果您不需要在 ; 前面转义反斜杠的能力比你应该对内置函数没问题，例如this answer.