弄懂 Java 正则表达式中的量词贪婪勉强独占和 String 的 matches 方法的底层个人感觉非常值得学习

Posted JavaLearnerZGQ

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了弄懂 Java 正则表达式中的量词贪婪勉强独占和 String 的 matches 方法的底层个人感觉非常值得学习相关的知识,希望对你有一定的参考价值。

文章目录

一、量词(Quantifier)

📝 量词用以标记某个字符出现的次数

贪婪(Greedy)勉强(Reluctant)独占(Possessive)含义
🍀n🍀n?🍀n+🍀 出现 n 次
🍀n,m🍀n,m?🍀n,m+🍀出现 n 到 m 次
🍀n,🍀,?🍀n,+🍀出现至少 n 次
🍀?🍀??🍀?+🍀出现 0 次或者 1 次
🍀*🍀*?🍀*+🍀出现任意次
🍀+🍀+?🍀++🍀至少出现一次

📝 贪婪、勉强、独占的区别很大,后面介绍比较合适

二、字符串的 matches 方法底层

📜 String 的 matches 方法底层用到了 PatternMatcher





public class TestDemo 
    public static void main(String[] args) 
        String input1 = "111庆222";
        String input2 = "111庆";
        String r = "13庆";

        // Pattern 的 matchers 匹配的是【整个】字符串
        // match the entire region against the pattern.
        
        // input1.matches(r): 看一看 input1 字符串是否完全匹配正则表达式 r
        System.out.println(input1.matches(r)); // false
        
        System.out.println(input2.matches(r)); // true
    

三、Matcher 类的其他方法

📜 上一节中了解了 Matcher 类的 matches 方法【如果整个 input(字符串)和正则表达式匹配,则返回 true】,这也是 String 的 matches 方法的底层

通过下面的代码引出 Matcher 类的其他方法:

public class TestDemo 
    public static void main(String[] args) 
        String input0 = "520";
        String input1 = "888";
        String input2 = "111_222_666";

        String r = "\\\\d3";
        System.out.println(input0.matches(r)); // true
        System.out.println(input1.matches(r)); // true

        // (1) 字符串的 matches 方法底层的 Matcher 类的 matches 方法是匹配整个字符串
        // (2) 必须整个字符串和正则模式匹配(必须整个字符串和正则模式匹配)
        // (3) input2 里面包含三个数字, 但不仅仅只是有三个数字, 无法和正则完全匹配
        System.out.println(input2.matches(r)); // false
    

📜 上面代码中的 input2 无法完全匹配正则表达式 r(这是字符串底层 Matcher 类的 matches 方法的结果)
📜 matches 方法是对整个字符串进行匹配,必须整个字符串匹配正则表达式
📜 Matcher 类的 find 方法可以把字符串的部分序列和正则进行匹配,如果匹配成功,返回 true


(1) find、start、end、group

public class TestDemo 
    public static void main(String[] args) 
        String input = "111_222_666";

        String r = "\\\\d3";

        System.out.println(input.matches(r)); // false

        // 假如正则表达式 r 语法错误, 会抛异常
        Pattern pattern = Pattern.compile(r);
        Matcher matcher = pattern.matcher(input);
        // 如果调用 matches 方法, 则和 String 的 matches 方法返回的结果一样
        System.out.println(matcher.matches()); // false

        // input 中有子序列满足正则表达式 r 则返回 true
        System.out.println(matcher.find()); // true
    

📝 find: 如果从 input(给定字符串)中能够找到与 regex 匹配的子序列,则返回 true
📝 如果能够匹配成功,可以通过 startendgroup 方法获取更多的信息
📝 每次的查找范围会先剔除之前已经查找过的范围

📝 start: 返回上一次匹配成功的开始索引

📝 end: 返回上一次匹配成功的结束索引

📝 group: 返回上一次匹配成功的子序列

public class TestDemo 
    public static void main(String[] args) 
        String input = "111_222_666";
        String r = "\\\\d3";

        Pattern pattern = Pattern.compile(r);
        Matcher matcher = pattern.matcher(input);

        boolean findResult = matcher.find();
        System.out.println(findResult); // true

        if (findResult) 
            System.out.println("匹配的子序列: " + matcher.group());
            System.out.println("起始索引: " + matcher.start());
            System.out.println("结束索引: " + matcher.end());
        
    

(2) find 细节


📝 该方法(find)会从给定 input 的一开始(第一个字符)开始匹配
📝 但若该方法先前的调用是成功的,并且 matcher 还没有被重置,则从先前的匹配中还没有被匹配过的字符开始匹配

📜 matcher 还没有被重置: matcher 是通过 input(给定字符串)创建的
📜 只要 input 没有改变, matcher 就没有被重置

📝 find 方法被调用一次,就会在该 input 中匹配一次(从前往后匹配)


取出所有符合正则表达式的子序列:

public class TestDemo 
    public static void main(String[] args) 
        String input = "520_222_666";
        String r = "\\\\d3";

        Pattern pattern = Pattern.compile(r);
        Matcher matcher = pattern.matcher(input);

        // 当无法匹配到满足正则的子序列时, 结束循环
        while (matcher.find()) 
            System.out.println(matcher.group());
        
        
        /*
            520
            222
            666
         */
    

(3) 封装:查找字符串中匹配正则的子串

    /**
     * 返回给定字符串中所有成功匹配正则表达式的子串
     *
     * @param input 给定字符串
     * @param regex 正则表达式
     * @return 成功匹配正则表达式的子串 List
     */
    public static List<String> okMatchRegexSubstrList(String input, String regex, int flags) 
        if (input == null || regex == null) return null;

        List<String> subStrings = new ArrayList<>();

        Pattern p = Pattern.compile(regex, flags);
        Matcher m = p.matcher(input);

        while (m.find()) 
            subStrings.add(m.group());
        

        return subStrings;
    

四、贪婪、勉强、独占

🎄 贪婪:
✏️ ① 先 “吞掉” 整个 input 进行匹配
✏️ ② 若匹配失败,则吐出最后一个字符,然后再次尝试匹配
✏️ ③ 重复该操作

public class TestDemo 
    public static void main(String[] args) 
        String regex = ".*good";
        String input = "庆の6good8浩のgoodMorning";
        List<String> ret = okMatchRegexSubstrList(input, regex, 0);
        // 贪婪: [庆の6good8浩のgood]
        printList("贪婪", ret, ", ");
    

    /**
     * 打印字符串 List
     */
    public static void printList(String desc, List<String> list, String divider) 
        int size = list.size();
        if (size == 0) 
            System.out.println("空数组");
            return;
        

        System.out.print(desc + ": [");
        for (int i = 0; i < list.size(); i++) 
            if (i != list.size() - 1) 
                System.out.print(list.get(i) + divider);
            
            System.out.print(list.get(i));
        
        System.out.print("]");
    

    public static List<String> okMatchRegexSubstrList(String input, String regex, int flags) 
        if (input == null || regex == null) return null;

        List<String> subStrings = new ArrayList<>();

        Pattern p = Pattern.compile(regex, flags);
        Matcher m = p.matcher(input);

        while (m.find()) 
            subStrings.add(m.group());
        

        m.reset();

        return subStrings;
    


🎄 勉强:
✏️ ① 先 “吞掉” input 的第一个字符进行匹配
✏️ ② 若匹配失败,则再吞掉下一个字符,然后再次尝试匹配
✏️ ③ 重复该操作

public class TestDemo 
    public static void main(String[] args) 
        String regex = ".*?good";
        String input = "庆の6good8浩のgoodMorning";
        List<String> ret = okMatchRegexSubstrList(input, regex, 0);
        // 勉强: [庆の6good, 庆の6good8浩のgood]
        printList("勉强", ret, ", ");
     

🎄 独占:
✏️ “吞掉” 整个 input 进行唯一的一次匹配(类似 equals 方法)

public class TestDemo 
    public static void main(String[] args) 
        String regex = ".*+good";
        String input = "庆の6good8浩のgoodMorning";
        List<String> ret = okMatchRegexSubstrList(input, regex, 0); 
        // 空数组
        printList("独占", ret, ", ");
     

结束,如有错误!请赐教

以上是关于弄懂 Java 正则表达式中的量词贪婪勉强独占和 String 的 matches 方法的底层个人感觉非常值得学习的主要内容,如果未能解决你的问题,请参考以下文章

JAVA 正则表达式的三种模式: 贪婪, 勉强和占有的讨论

使用带有不情愿、贪婪和所有格量词的捕获组

一起学习正则表达式量词与贪婪

一起学习正则表达式量词与贪婪

贪婪量词的 ASP.Net 正则表达式问题

一起学习正则表达式量词与贪婪