当输入字符串为 abccabaaaccbbbc 时，为啥 Java 正则表达式模式“[abc]3”与 abc 匹配

Posted 2023-03-28

【中文标题】当输入字符串为 abccabaaaccbbbc 时，为啥 Java 正则表达式模式“[abc]3”与 abc 匹配

【英文标题】：Why Java regex pattern "[abc]3" matches to abc when input string is abccabaaaccbbbc当输入字符串为 abccabaaaccbbbc 时，为什么 Java 正则表达式模式“[abc]3”与 abc 匹配

【发布时间】：2015-02-23 16:48:44

【问题描述】：

在http://docs.oracle.com/javase/tutorial/essential/regex/quant.html 关注 oracle 教程时。

找到如下命令行程序http://docs.oracle.com/javase/tutorial/displayCode.html?code=http://docs.oracle.com/javase/tutorial/essential/regex/examples/RegexTestHarness.java输出：

输入您的正则表达式：[abc]3

输入要搜索的输入字符串：abccabaaaccbbbc

我发现文本“abc”从索引 0 开始到索引 3 结束。

我发现文本“cab”从索引 3 开始，到索引 6 结束。

我发现文本“aaa”从索引 6 开始，到索引 9 结束。

我发现文本“ccb”从索引 9 开始，到索引 12 结束。

我发现文本“bbc”从索引 12 开始，到索引 15 结束。

我的期望是模式 [abc]3 表示 a、b 或 c 3 次 但是整体匹配abc 为什么？

【问题讨论】：

听起来你想要的是正则表达式 (aaa)|(bbb)|(ccc)

它从给定列表中选择一个项目，并将该模式​​重复三遍。

@antlersoft：如果我是你，我会将我的评论复制到一个包含更多信息的答案中，这样你就可以获得接受的答案。

【参考方案1】：

您正在寻找的模式是：

a3|b3|c3

您的模式意味着 - 匹配长度为 3 的字符串，其中包含任何字符 a、b 或 c。

此外，正如@Tim 在 cmets 中指出的那样，这可以简化为：

([abc])\1\1

([abc]) 匹配单个字符，并将其捕获到第 1 组中。然后\1\1 说，重复相同的字符两次。

【讨论】：

我更喜欢([abc])\1\1 - 更少重复。

aaa|bbb|ccc 甚至更好——它比原始表达式短了三个字符，并且它需要几乎零的正则表达式知识，这与具有两个反向引用的替代方案不同。

【参考方案2】：

我认为您的期望（“a、b 或 c 三次”）是一旦匹配了一个字符（最初的 a），接下来的两个字符也必须是a，但要获得这种行为，您必须使用反向引用，例如([abc])\\12。相反，[abc]3 的意思就是 [abc][abc][abc]。

（有更简单的编写方式，例如aaa|bbb|ccc，但我使用反向引用来遵循您的想法，即后来的匹配应该以某种方式反映较早的字符类匹配的内容。反向引用可以做到这一点。）

【参考方案3】：

模式表示任意字符a、b 或c 以任意顺序出现3 次。 abc 是与该模式匹配的字符串。