向现有 Java 正则表达式添加空格处理答案

【问题标题】：Adding whitespace handling to existing Java regex向现有 Java 正则表达式添加空格处理
【发布时间】：2023-03-11 14:33:02
【问题描述】：

很久以前，我编写了一个名为 detectBadChars(String) 的方法，它检查 String 参数中是否存在所谓的“坏”字符实例。

原来的坏字符列表是：

我的方法，效果很好，是：

// Detects for the existence of bad chars in a string and returns the
// bad chars that were found.
protected String detectBadChars(String text) {
    Pattern pattern = Pattern.compile("[~#@*+%]");
    Matcher matcher = pattern.matcher(text);

    StringBuilder violatorsBuilder = new StringBuilder();

    if(matcher.find()) {
        String group = matcher.group();
        if (!violatorsBuilder.toString().contains(group))
            violatorsBuilder.append(group);
    }

    return violatorsBuilder.toString();
}

现在业务逻辑发生了变化，以下现在也被认为是不好的：

回车 (\r)
换行 (\n)
标签 (\t)
任何连续的空格（" "、" " 等）

所以我正在尝试修改正则表达式以适应新的坏字符。将正则表达式更改为：

    Pattern pattern = Pattern.compile("[~#@*+%\n\t\r[ ]+]");

...抛出异常。我的想法是在正则表达式中添加“\n\t\r”会分别分配换行符、制表符和 CR。然后添加 "[ ]+" 会添加一个由空格组成的新“类/组”，然后将该组量化为允许 1 个以上的空格，从而有效地处理连续的空格。

我要去哪里，我的正则表达式应该是什么（以及为什么）？提前致谢！

【问题讨论】：

标签： java regex string removing-whitespace

【解决方案1】：

只需使用\\s 即可解决所有问题。并在整个字符类上添加 + 量词，以匹配 1 个或多个重复：

Pattern.compile("[~#@*+%\\s]+");

请注意，在 Java 中，您需要转义反斜杠。所以它是\\s 而不是\s。

【讨论】：

啊！ 2秒！ (+1)
+1 还请注意，抛出异常是因为您需要自己转义反斜杠。
您只是禁止所有空格。按照我的阅读方式，\r、\n` 和\t 总是被禁止的，但是一个简单的空格字符是可以的——它只是两个或多个连续空格是不允许的。
@AlanMoore。我看到 OP 正在执行 [ ]+ 以匹配 1 个或多个空格。所以，也许他只是这个意思，只是他没有正确地表达出来。

【解决方案2】：

我认为这应该可行。

Pattern.compile("[~#@*+%\n\t\r\\s{2,}]");

您需要 \\s{2,} 来匹配任何连续的空格。

编辑：我在上面犯了一个错误。感谢 Alan Moore 指出这一点。这是新的解决方案。

Pattern.compile("[~#@*+%\n\t\r]|\\s{2,}")

【讨论】：

在字符类中，{2,} 不是表示两个或更多的量词，它只是文字字符的列表：{、2、@987654326 @，或}。