使用正则表达式保存子字符串

Question

我对 Java（或任何语言）中的正则表达式很陌生，我想使用它们进行查找。我不明白如何做的棘手部分是替换匹配字符串中的某些内容。

例如，如果我正在寻找的行是

Person item6 [can {item thing [wrap]}]

我能够编写一个找到该行的正则表达式，但是找到单词“thing”是什么（因为它在不同的行中可能有所不同）是我的问题。我可能想用其他单词替换该单词，或者将其保存在变量中供以后使用。有没有简单的方法可以使用 Java 的正则表达式引擎来做到这一点？

Answer 1

是的。您将其包装在“捕获组”中，这只是正则表达式中与感兴趣的单词匹配的部分周围的一些 ( ) 。

这是一个示例：

public static void main(String[] args) {

    Pattern pat = Pattern.compile("testing (\\d+) widgets");

    String text = "testing 5 widgets";

    Matcher matcher = pat.matcher(text);

    if (matcher.matches()) {
        System.out.println("Widgets tested : " + matcher.group(1));
    } else {
        System.out.println("No match");
    }

}

Pattern 和 Matcher 来自 java.util.regex。 String 类中有一些快捷方式，但这些是最灵活的

Answer 2

问题规范不是很清楚，但这里有一些可能有效的想法：

使用lookarounds和replaceAll/First

以下正则表达式与前面带有\w+的字符串 "{item "，后跟字符串 " ["。环视仅用于精确匹配 \w+。元字符 { 和 [ 会根据需要进行转义。

String text =
    "Person item6 [can {item thing [wrap]}]\n" +
    "Cat item7 [meow meow {item thang [purr]}]\n" +
    "Dog item8 [maybe perhaps {itemmmm thong [woof]}]" ;

String LOOKAROUND_REGEX = "(?<=\\{item )\\w+(?= \\[)";

System.out.println(
    text.replaceAll(LOOKAROUND_REGEX, "STUFF")
);

这将打印：

Person item6 [can {item STUFF [wrap]}]
Cat item7 [meow meow {item STUFF [purr]}]
Dog item8 [maybe perhaps {itemmmm thong [woof]}]

参考文献

• regular-expressions.info/Lookarounds
• String.replaceAll(String regex, String replacement)

---

使用捕获组而不是环视

环视应谨慎使用。尤其是在 Java 中，Lookbehind 非常有限。更常用的技术是使用捕获组来匹配更多而不仅仅是有趣的部分。

以下正则表达式与之前的类似模式 \w+ 匹配，但还包含 "{item " 前缀和 " [" 后缀。此外，item 中的 m 可以无限制地重复（这在 Java 的 Lookbehind 中是无法匹配的）。

String CAPTURING_REGEX = "(\\{item+ )(\\w+)( \\[)";

System.out.println(
    text.replaceAll(CAPTURING_REGEX, "$1STUFF$3")
);

打印结果：

Person item6 [can {item STUFF [wrap]}]
Cat item7 [meow meow {item STUFF [purr]}]
Dog item8 [maybe perhaps {itemmmm STUFF [woof]}]

我们的模式有 3 个捕获组：

(\{item+ )(\w+)( \[)
\________/\___/\___/
 group 1    2    3

请注意，我们不能简单地替换与 "STUFF" 匹配的内容，因为我们匹配了一些“无关”的部分。我们对替换它们不感兴趣，因此我们捕获这些部分并将它们放回替换字符串中。我们在 Java 中引用替换字符串中捕获的组的方式是使用 $ 符号；因此，上面示例中的 $1 和 $3 。

参考文献

• regular-expressions.info/Grouping

---

使用 Matcher为了获得更大的灵活性

并非所有事情都可以通过替换字符串来完成。例如，Java 没有后处理功能来将捕获的字符串大写。在这些更一般的替换场景中，您可以使用 Matcher 循环，如下所示：

Matcher m = Pattern.compile(CAPTURING_REGEX).matcher(text);
StringBuffer sb = new StringBuffer();
while (m.find()) {
    System.out.println("Match found");
    for (int i = 0; i <= m.groupCount(); i++) {
        System.out.printf("Group %d captured <%s>%n", i, m.group(i));
    }
    m.appendReplacement(sb,
        String.format("%s%s %<s and more %<SS%s",
            m.group(1), m.group(2), m.group(3)
        )
    );
}
m.appendTail(sb);

System.out.println(sb.toString());

上面的打印内容：

Match found
Group 0 captured <{item thing [>
Group 1 captured <{item >
Group 2 captured <thing>
Group 3 captured < [>

Match found
Group 0 captured <{item thang [>
Group 1 captured <{item >
Group 2 captured <thang>
Group 3 captured < [>

Match found
Group 0 captured <{itemmmm thong [>
Group 1 captured <{itemmmm >
Group 2 captured <thong>
Group 3 captured < [>

Person item6 [can {item thing thing and more THINGS [wrap]}]
Cat item7 [meow meow {item thang thang and more THANGS [purr]}]
Dog item8 [maybe perhaps {itemmmm thong thong and more THONGS [woof]}]

参考资料

• java.util.regex.Pattern
• java.util.regex.Matcher
  • < code>group(int) - 访问单个捕获的字符串
  • appendReplacement -- 不幸的是，StringBuffer-only
• java.util.Formatter< /code>- 用于上面示例中的 printf 和 String.format

附件

• ideone.com 中上述示例的源代码