为啥“hello\\s*world”与“hello world”不匹配？

Posted 2023-02-26

【中文标题】为啥“hello\\\\s*world”与“hello world”不匹配？

【英文标题】：Why does "hello\\s*world" not match "hello world"?为什么“hello\\s*world”与“hello world”不匹配？

【发布时间】：2011-09-12 16:17:45

【问题描述】：

为什么这段代码会抛出 InputMismatchException ？

Scanner scanner = new Scanner("hello world");
System.out.println(scanner.next("hello\\s*world"));

http://regexpal.com/ 中的相同正则表达式匹配（使用 \s 而不是 \\s）

【问题讨论】：

regexpal.com 测试 javascript 正则表达式，而不是 java 正则表达式。您可以尝试使用fileformat.info/tool/regex.htm 来测试java 正则表达式。

@Marcelo 我最喜欢的在线 Java 正则表达式测试器：regexplanet.com/simple

@Matt 谢谢，我收藏了它，以备下次需要时使用。

【参考方案1】：

扫描器，与匹配器相反，内置了字符串的标记化，默认分隔符是空格。因此，在比赛开始之前，您的“hello world”将被标记为“hello”“world”。如果您在扫描到不在字符串中的内容之前更改了分隔符，那将是匹配的，例如：

Scanner scanner = new Scanner("hello world");
scanner.useDelimiter(":");
System.out.println(scanner.next("hello\\s*world"));

但对于您的情况，您似乎应该只使用Matcher。

这是“按预期”使用扫描仪的示例：

   Scanner scanner = new Scanner("hello,world,goodnight,moon");
   scanner.useDelimiter(",");
   while (scanner.hasNext()) 
     System.out.println(scanner.next("\\w*"));
   

输出将是

hello
world
goodnight
moon

【讨论】：

如果字符串是 hello:world 那么呢？！您不应该对输入中的内容做出假设：S

这与向 Navin 说明为什么他的代码不起作用有什么关系？我说“这将是匹配如果：”而不是“这将是适合生产使用的严格正确的代码，如果：”输入显然被假定为“hello world”；）

您可以只设置一个空分隔符而不是 :

“”的分隔符会将字符串标记为“h”“e”“l”“l”“o”等。我想可以使用一些任意不可打印的控制字符，但最终如果您正在使用扫描仪解析输入需要以某种方式受到限制。

【参考方案2】：

扫描仪的默认分隔符是空格，因此扫描仪会看到两个元素 hello 和 world。并且 hello\s+world 与 hello 不匹配，因此会引发 NoSuchElement 异常。

【参考方案3】：

这些输入有效：

"C:\Program Files\Java\jdk1.6.0_21\bin\java"  RegexTest hello\s+world "hello      world"
'hello      world' does match 'hello\s+world'

代码如下：

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

public class RegexTest 

    public static void main(String[] args) 

        if (args.length > 0) 
            Pattern pattern = Pattern.compile(args[0]);

            for (int i = 1; i < args.length; ++i) 
                Matcher matcher = pattern.matcher(args[i]);
                System.out.println("'" + args[i] + "' does " + (matcher.matches() ? "" : "not ") + "match '" + args[0]  +"'");
            
        
    

【参考方案4】：

扫描器的构造函数采用一个可选模式，用于将输入序列拆分为标记。默认情况下，这是一个空白模式。

Scanner#next 返回下一个标记，如果它匹配给定的模式。换句话说，您传递给 #next 的模式默认情况下可能不包含空格。

您可以调用 #useDelimiter 为您的用例配置扫描器。

【参考方案5】：

扫描器的默认分隔符为\\s+ 如果您只想匹配hello\\s*world，只需调用scanner.useDelimiter("hello\\s*world"))，然后只需调用scanner.next();

Alternativeley，您可以致电scanner.useDelimiter('any (escaped) char that would not occur in your text ') 并使用scanner.next("hello\\s*world"))

附带说明，如果您希望它至少有 1 个空格，则您希望使用 + 而不是 *

【讨论】：

这不起作用。 "" 的分隔符标记为 h e l l o ' ' w o r l d.

我已经编辑过了 :) 你需要使用一些你输入中肯定没有的字符。请注意，某些字符是特殊的正则表达式字符，您需要对它们进行转义才能使用它们。我经常使用的安全字符是#