捕获组吃一些角色

Question

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？

Answer 1

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()) {

Answer 2

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 ）