Java中的RegEx没有按我的预期工作答案

【问题标题】：RegEx in Java not working as I expectedJava中的RegEx没有按我的预期工作
【发布时间】：2009-06-25 16:55:22
【问题描述】：

试图提取用双括号括起来的字符串。例如应该匹配的 [[this is one token]]。为了使事情更优雅，应该有一个转义序列，以便像 \[[this escaped token\]] 这样的双括号项目不会被匹配。

使用“group 1”提取令牌的模式[^\\\\]([\\[]{2}.+[^\\\\][\\]]{2}) 很接近，但在某些情况下它不起作用。问题似乎是第一个“not”语句被评估为“除了反斜杠之外的任何内容”。问题是，“任何东西”不包括“无”。那么，是什么让这个模式匹配“除了反斜杠之外的任何字符或任何字符”？

这是一个显示所需行为的单元测试：

import java.util.regex.Matcher;
import java.util.regex.Pattern;
import junit.framework.TestCase;

public class RegexSpike extends TestCase {
    private String regex;
    private Pattern pattern;
    private Matcher matcher;

    @Override
    protected void setUp() throws Exception {
        super.setUp();
        regex = "[^\\\\]([\\[]{2}.+[^\\\\][\\]]{2})";
        pattern = Pattern.compile(regex);
    }

    private String runRegex(String testString) {
        matcher = pattern.matcher(testString);
        return matcher.find() ? matcher.group(1) : "NOT FOUND";
    }

    public void testBeginsWithTag_Passes() {
        assertEquals("[[should work]]", runRegex("[[should work]]"));
    }

    public void testBeginsWithSpaces_Passes() {
        assertEquals("[[should work]]", runRegex("   [[should work]]"));
    }

    public void testBeginsWithChars_Passes() {
        assertEquals("[[should work]]", runRegex("anything here[[should
work]]"));
    }

    public void testEndsWithChars_Passes() {
        assertEquals("[[should work]]", runRegex("[[should
work]]with anything here"));
    }

    public void testBeginsAndEndsWithChars_Passes() {
        assertEquals("[[should work]]", runRegex("anything here[[should
work]]and anything here"));
    }

    public void testFirstBracketsEscaped_Fails() {
        assertEquals("NOT FOUND", runRegex("\\[[should NOT work]]"));
    }

    public void testSingleBrackets_Fails() {
        assertEquals("NOT FOUND", runRegex("[should NOT work]"));
    }

    public void testSecondBracketsEscaped_Fails() {
        assertEquals("NOT FOUND", runRegex("[[should NOT work\\]]"));
    }

}

【问题讨论】：

没有什么意思是 NULL 或空白吗？

标签： java regex

【解决方案1】：

您可以简单地使用(^|[^\\])，它要么匹配字符串的开头（前提是您在正则表达式上设置了MULTILINE模式）或单个不是反斜杠的字符（包括空格、换行符等）。

您还需要将.+ 替换为.+?，否则"[[one]] and [[two]]" 之类的字符串将被视为单个匹配项，其中"one]] and [[two" 被视为在括号之间。

第三点是您不必将单个字符（即使是转义字符，例如 \[ 或 \]）包装在带有 [] 的字符类中。

这样就可以生成以下正则表达式（请原谅我为了清楚起见删除了双重转义）：

(^|[^\\])(\[{2}.+?[^\\]\]{2})

（另请注意，您不能使用正则表达式转义转义字符。[ 之前的两个斜杠不会被解析为单个（转义）斜杠，但会指示一个（未转义）斜杠和一个转义括号。）

【讨论】：

【解决方案2】：

您想要一个“零宽度的否定后向断言”，即(?<!expr)。试试：

(?<!\\\\)([\\[]{2}.+[^\\\\][\\]]{2})

实际上，这可以通过删除一些不必要的括号来简化并使其更通用，并为右括号添加一个否定的lookbehind，也是。（如果字符串中间有一个转义括号，您的版本也会失败，例如[[text\]]moretext]]）。

(?<!\\\\)(\\[{2}.*?(?<!\\\\)\\]{2})

【讨论】：

【解决方案3】：

这个字符串会发生什么？（实际的字符串内容，不是 Java 文字。）

foo\\[[blah]]bar

我要问的是您是否支持转义的反斜杠。如果你是，向后看将不起作用。您必须检查奇数但未知数量的反斜杠，而不是寻找单个反斜杠，并且 Java 后视不能像那样是开放式的。另外，转义括号 inside 一个标记怎么办——这有效吗？

foo[[blah\]]]bar

无论如何，我建议你从另一个方向来解决反斜杠问题：匹配紧接在第一个括号之前的任意数量的转义字符（即反斜杠加上任何内容）作为令牌的一部分。在标记内，匹配除方括号或反斜杠之外的任意数量的字符，或任意数量的转义字符。这是实际的正则表达式：

(?<!\\)(?:\\.)*+\[\[((?:[^\[\]\\]++|\\.)*+)\]\]

...这里是 Java 字符串文字：

"(?<!\\\\)(?:\\\\.)*+\\[\\[((?:[^\\[\\]\\\\]++|\\\\.)*+)\\]\\]"

【讨论】：