Java正则表达式边界匹配？

Question

我在一个Java测试套件中发现了以下问题

    Pattern p = Pattern.compile("[wow]*");
    Matcher m = p.matcher("wow its cool");
    boolean b = false;
    while (b = m.find()) {
        System.out.print(m.start() + " \"" + m.group() + "\" ");
    }

输出似乎如下

0 "wow" 3 "" 4 "" 5 "" 6 "" 7 "" 8 "" 9 "oo" 11 "" 12 ""

直到最后一场比赛很明显，模式[哇] *贪婪地匹配0或更多'w'和'o'字符，而对于不匹配的字符，包括空格，它会产生空字符串。 然而，在将最后一个'l'与11“”匹配后，以下12“”似乎不清楚。 在测试解决方案中没有详细说明，我也无法从javadoc中明确地解决这个问题。 我最好的猜测是边界特征，但如果有人能提供解释，我将不胜感激

Answer 1

您看到此行为的原因是您的模式允许空匹配。 换句话说，如果你传递一个空字符串，你会在零位置看到一个匹配：

Pattern p = Pattern.compile("[wow]*"); // One of the two 'w's is redundant, but the engine is OK with it
Matcher m = p.matcher("");             // Passing an empty string results in a valid match that is empty
boolean b = false;
while (b = m.find()) {
    System.out.print(m.start() + " \"" + m.group() + "\" ");
}

这将打印0 ""因为空字符串与表达式的任何其他匹配一样好。

再回到你的例子，每当引擎发现一个匹配项（包括一个空的匹配项）时，它会通过一个字符前进。 “前进一个”意味着引擎在下一个位置考虑弦的“尾部”。 这包括正则表达式引擎处于位置11的时间，即最后一个字符的时间：这里，“尾部”由空字符串组成。 这类似于调用"wow its cool".substring(12) ：在这种情况下你也会得到一个空字符串。

引擎将空字符串视为有效输入，并尝试将其与表达式匹配，如上例所示。 这会产生匹配，您的程序会正确报告。

Answer 2

• [wow]*匹配第一个wow弦。 count = 1

• 由于字符类旁边的* （ 零或更多 ）， [wow]*这个正则表达式将匹配一个空字符串，该字符串存在于与上述模式不匹配的字符之前。 因此它匹配前面存在于第一个空间的边界或空白空间。 数= 2。

• its与上述正则表达式不匹配。 所以它匹配每个字符之前存在的空字符串。 因此计数是2+3=5 。

• 并且第二个空间与上述正则表达式不匹配。 所以我们得到一个空字符串作为匹配。 5+1=6

• c与上述正则表达式不匹配。 所以它匹配之前存在的空白空间到c 6+1=7

• oo与上述正则表达式匹配。 [wow]* 。 所以它匹配oo ，这被认为是1匹配。 所以我们得到7+1=8作为计数。

• l不匹配。 数= 9

• 最后它匹配最后一个字符旁边的空字符串。 所以现在计数是9+1=10

• 最后我们都知道m.start()打印相应匹配的起始索引。

DEMO

Answer 3

正则表达式简单地将模式与输入匹配，从给定的偏移量开始。 对于最后一场比赛，12的偏移量是在'酷'的最后一个字符之后的位置 - 你可能认为这是字符串的结尾，因此不能用于匹配目的 - 但你错了。 对于模式匹配，这是一个非常有效的起点。

正如您所述，您的正则表达式包含零字符的可能性，实际上，这是在最后一个字符结束之后但在字符串结束标记之前发生的事情（通常在正则表达式中由$表示）。

换句话说，没有测试超过最后一个字符的结尾，这意味着不会发生与字符串结尾相关的匹配 - 但是有许多正则表达式构造匹配字符串的结尾（并且你已经在这里显示其中一个）。