[英]Capturing group eat some characters
我的输入是这样的:
line 1
**ER1.RIAA.SOMPSFIO(LIAOEE) UTGD788 FDSJOFUZZÄ line2
JNDJZSDS ER1.RIAA.SIMEDFUA(AUDD) YIRIHFIH1465EZZÄ
line 3
UJZRJOERERÃLDE,UIE='UJ1.DHZKZ5.OZDEZN98.AAERRE',I=DZEDE POPZEOE**
我只想获取带有句点的字符,即:
ER1.RIAA.SOMPSFIO
ER1.RIAA.SIMEDFUA
UJ1.DHZKZ5.OZDEZN98.AAERRE
我的解决方案是:
try {
StringBuilder sb = new StringBuilder();
String line = br.readLine();
while (line != null) {
nrligne++;
int counter = 0;
for (int i=0; i<line.length(); i++ ) {
if( line.charAt(i) == '.' ) {
counter++;
}
}
if (counter == 2) {
if (line.matches("^.*[A-Z0-9]+\\..[A-Z1-9]+.*$")){
line= removeTroublesomeCharacters(line);
System.out.println("ligne vaut "+line);
Pattern dsnPattern = Pattern.compile("^.*([A-Z0-9]+)\\..([A-Z1-9]+)\\..([A-Z1-9]+).*$");
Matcher m = dsnPattern.matcher(line);
if (m.matches()) {
String part1 = m.group(1);
String part2 = m.group(2);
String part3 = m.group(3);
System.out.println("part1 vaut "+part1);
System.out.println("part2 vaut "+part2);
System.out.println("part2 vaut "+part3);
}
}
目前的结果是
ligne vaut ER1.RIAA.SOMPSFIO(LIAOEE) UTGD788
part1 vaut 1
part2 vaut IAA
part2 vaut OMPSFIO
ligne vaut PZFDSJOFUZZÃâ ER1.RIAA.SIMEDFUA(AUDD) UOOO88
part1 vaut 1
part2 vaut IAA
part2 vaut IMEDFUA
ligne vaut UJZRJOERERÃLDE,UIE='UJ1.DHZKZ5.OZDEZN98',I=DZEDE POPZEOE
part1 vaut 1
part2 vaut HZKZ5
part2 vaut ZDEZN98
输入文件: http : //uploadhero.co/dl/PWBLhi7d我不明白为什么正则表达式会吃掉每个字符的开头? 有人可以帮我解决这个问题吗?
因为您在dot
之后消耗了一个额外的字符,而没有将其包括在字符类中。
\\.. // this will match a dot, and then following single character.
此外,使.*
在您的正则表达式的开始.*?
。 由于量词在默认情况下是贪婪的,因此它们将消耗所有字符,并且仅在之前留下一个单词.
被([a-z0-9]+)
匹配。
将您的正则表达式更改为:
"^.*?([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+).*$"
另外,由于无论如何都在使用Pattern
和Matcher
,因此我将考虑使用Matcher#find()
方法,并仅针对我需要的部分构建模式:
Pattern dsnPattern = Pattern.compile("([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+)");
Matcher m = dsnPattern.matcher(line);
if (m.find()) {
由于表达式的捕获部分在“吃东西” .*
表达式之前和之后,因此,您希望捕获的部分内容最终被这些“填充符”占用。
您可以明确要求[A-Z0-9]+
组之前和之后的字符为非字母数字,例如:
"^.*(?<![A-Z0-9])([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+)(?![A-Z1-9]).*$"
(?<![A-Z0-9])
表示“不以[A-Z0-9]
” (?![A-Z1-9])
表示“不跟[A-Z1-9]
” 编辑:
不必先行,因为+
是贪婪的:
"^.*(?<![A-Z0-9])([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+).*$"
(信用归Rohit Jain所有 )
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.