如何搭配“逃亡”正则表达式中的不可打印字符？

Question

我找到了一个指南，http://answers.oreilly.com/topic/214-how-to-match-nonprintable-characters-with-a-regular-expression/，但不是代码，\e， \x1b，\x1B，在 Java 中为我工作。

编辑

我正在尝试替换 Linux 终端命令输出的 ANSI 转义序列（特别是颜色序列）。 在 Python 中，替换模式看起来像“\x1b[34;01m”，这意味着蓝色粗体文本。同样的模式在 Java 中不起作用。我尝试单独替换“[34;01m”，并且成功了，所以问题是\x1b。 我正在使用 Pattern.quote() 进行“[”转义。

编辑

Map<String,String> escapeMap = new HashMap<String,String>();
escapeMap.put("\\x1b[01;34m", "</span><span style=\"color:blue;font-weight:bold\">");
FileInputStream stream = new FileInputStream(new File("/home/ch00k/gun.output"));
FileChannel fc = stream.getChannel();
MappedByteBuffer bb = fc.map(FileChannel.MapMode.READ_ONLY, 0, fc.size());
String message = Charset.defaultCharset().decode(bb).toString();
stream.close();
String patternString = Pattern.quote(StringUtils.join(escapeMap.keySet(), "|"));
System.out.println(patternString);
Pattern pattern = Pattern.compile(patternString);
Matcher matcher = pattern.matcher(message);
StringBuffer sb = new StringBuffer();
while(matcher.find()) {
    matcher.appendReplacement(sb, escapeMap.get(matcher.group()));
    }
matcher.appendTail(sb);
String formattedMessage = sb.toString();
System.out.println(formattedMessage);

编辑 这是我最终得到的代码：

import java.io.*;
import java.nio.*;
import java.nio.channels.*;
import java.nio.charset.*;
import java.util.*;
import java.util.regex.*;
import org.apache.commons.lang3.*;

class CreateMessage {
    public static void message() throws IOException {
        FileInputStream stream = new FileInputStream(new File("./gun.output"));
        FileChannel fc = stream.getChannel();
        MappedByteBuffer bb = fc.map(FileChannel.MapMode.READ_ONLY, 0, fc.size());
        String message = Charset.defaultCharset().decode(bb).toString();
        stream.close();
        Map<String,String> tokens = new HashMap<String,String>();
        tokens.put("root", "nobody");
        tokens.put(Pattern.quote("[01;34m"), "qwe");
        String patternString = "(" + StringUtils.join(tokens.keySet(), "|") + ")";
        Pattern pattern = Pattern.compile(patternString);
        Matcher matcher = pattern.matcher(message);
        StringBuffer sb = new StringBuffer();
        while(matcher.find()) {
            System.out.println(tokens.get(matcher.group()));
            matcher.appendReplacement(sb, tokens.get(matcher.group()));
        }
        matcher.appendTail(sb);

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

    }
}

文件gun.output包含ls -la --color=always /的输出 现在的问题是，如果我尝试匹配 Pattern.quote("[01;34m")，我会收到 NullPointerException。除了包含 [ 的字符串之外，所有内容都匹配良好，即使我引用了它们。例外情况如下：

Exception in thread "main" java.lang.NullPointerException
    at java.util.regex.Matcher.appendReplacement(Matcher.java:699)
    at org.minuteware.jgun.CreateMessage.message(CreateMessage.java:32)
    at org.minuteware.jgun.Main.main(Main.java:23)

编辑

因此，根据http://java.sun.com/developer/technicalArticles/releases/1.4regex/，转义字符应与“\u001B”，这确实适用于我的情况。问题是，如果我使用 tokens.put("\u001B" + Pattern.quote("[01;34m"), "qwe");，我仍然得到上面提到的 NPE。

Answer 1

quote() 是创建一个与输入字符串逐字匹配的模式。你的字符串中有模式语言。查看 quote() 的输出 - 您会发现它正在尝试逐字查找四个字符 \x1b。

Answer 2

ansi 转义序列采用以下形式 [\033[34;01m]

，其中 \033 是 ANSI 字符 033（八进制）或十六进制的 1b 或十进制的 27。您需要使用以下正则表达式：

Pattern p = Pattern.compile("\033\\[34;01m");

当您在 java 字符串中使用不可打印字符时，可以使用八进制 (\033) 或十六进制 (\x1b) 表示形式。

Answer 3

正则表达式中“转义”字符的正确值为 \u001B

Answer 4

FWIW，我一直致力于从彩色 log4j 文件中剥离 ANSI 颜色代码，这个小模式似乎可以解决我遇到的所有情况：

Pattern.compile("(\\u001B\\[\\d+;\\d+m)+")