Java 正则表达式：UNGREEDY 标志

Question

我想将通用文本处理工具 Texy! 从 PHP 移植到 Java。

该工具使用 preg_match_all("/.../U") 在任何地方进行非贪婪匹配。 所以我正在寻找一个具有一些 UNGREEDY 标志的库。

我知道我可以使用.*?语法，但是确实有很多正则表达式我必须覆盖，并在每个更新版本中检查它们。

我检查过

• ORO - 似乎被放弃了
• Jakarta Regexp - 不支持
• java.util.regex - 不支持

有这样的库吗？

谢谢，昂德拉

Answer 1

更新：检查文档后，我发现了 LAZY 标志，这是非贪婪的另一个术语。但是它似乎仅在 OpenJDK 中可用

p = Pattern.compile("your regex here", LAZY);
p.matcher("string to match")

原始已弃用响应
老实说，我认为没有一个。

+ 的全部意义是什么？和 *？以便您可以选择贪婪地执行哪些部分以及惰性地执行哪些部分。

贪婪是默认行为，因为这是正则表达式中最常用的 + 和 *。事实上，我想不出有哪个正则表达式解析器能以相反的方式执行此操作。就像使用修饰符来使某些东西变得贪婪一样，默认情况下是惰性匹配。

我知道这不是您正在寻找的答案，但是，我认为您能够使其发挥作用的唯一方法是添加 ?到你的 * 和 + 。从好的方面来说，您可以使用正则表达式来帮助确定哪些内容需要更改。或者，如果所有这些都需要更改，甚至可以为您进行更改。或者您是否可以描述一种模式来识别哪些内容需要更改。

Answer 2

我建议您创建自己的修改后的 Java 库。只需将 java.util.regex 源复制到您自己的包中即可。

Sun JDK 1.6 Pattern.java 类提供了这些默认标志：

static final int GREEDY     = 0;

static final int LAZY       = 1;

static final int POSSESSIVE = 2;

您会注意到这些标志仅使用几次，并且修改起来很简单。采取以下示例：

    case '*':
        ch = next();
        if (ch == '?') {
            next();
            return new Curly(prev, 0, MAX_REPS, LAZY);
        } else if (ch == '+') {
            next();
            return new Curly(prev, 0, MAX_REPS, POSSESSIVE);
        }
        return new Curly(prev, 0, MAX_REPS, GREEDY);

只需更改最后一行以使用“LAZY”标志而不是 GREEDY 标志。由于您希望正则表达式库的行为类似于 PHP 库，因此这可能是最好的方法。

Answer 3

关于检查和重新检查所有正则表达式的想法，您确定 php 和 java 库在语法上足够一致，因此您不必这样做吗？我首先要做的就是仔细检查所有这些并编写一些测试（输入和输出），并确保它们在两种实现中工作相同。然后设计一种自动运行它们的方法，这样您就可以应对未来的升级和不兼容问题。您仍然需要调整一些东西，但至少您知道在哪里。

Answer 4

您也许可以使用“com.caucho.quercus.lib.regexp.JavaRegexpModule”。 Quercus 是 PHP 的 Java 实现，正则表达式库实现了 PHP 正则表达式 语法和方法名称。