计数正则表达式与流匹配

Question

我试图用简单的Java 8 lambdas / stream解决方案来计算正则表达式模式的匹配数。 例如，对于此模式/匹配器：

final Pattern pattern = Pattern.compile("\\d+");
final Matcher matcher = pattern.matcher("1,2,3,4");

splitAsStream方法splitAsStream定模式上的文本分割而不是匹配模式。 虽然它很优雅并且保留了不变性，但它并不总是正确的：

// count is 4, correct
final long count = pattern.splitAsStream("1,2,3,4").count();

// count is 0, wrong
final long count = pattern.splitAsStream("1").count();

我也试过（ab）使用IntStream 。 问题是我必须猜测我应该多少次调用matcher.find()而不是它返回false。

final long count = IntStream
        .iterate(0, i -> matcher.find() ? 1 : 0)
        .limit(100)
        .sum();

我熟悉传统的解决方案while (matcher.find()) count++; count是可变的。 使用Java 8 lambdas / streams有一种简单的方法吗？

Answer 1

要正确使用Pattern::splitAsStream ，您必须反转正则表达式。 这意味着你不应该使用\\\\D+ \\\\d+ （它会在每个数字上分开），而应该使用\\\\D+ 。 这为您提供了String中的编号。

final Pattern pattern = Pattern.compile("\\D+");
// count is 4
long count = pattern.splitAsStream("1,2,3,4").count();
// count is 1
count = pattern.splitAsStream("1").count();

Answer 2

Pattern.splitAsStream的javadoc中相当人为的语言可能是罪魁祸首。

此方法返回的流包含输入序列的每个子字符串 ，该子字符串 由与此模式匹配的另一个 子序列终止，或者由输入序列的末尾终止。

如果你打印出1,2,3,4所有匹配，你可能会惊讶地发现它实际上是在返回逗号 ，而不是数字。

    System.out.println("[" + pattern.splitAsStream("1,2,3,4")
            .collect(Collectors.joining("!")) + "]");

打印[!,!,!,] 。 奇怪的是为什么它给你4而不是3 。

显然这也解释了为什么"1"给出0因为字符串中的数字之间没有字符串。

快速演示：

private void test(Pattern pattern, String s) {
    System.out.println(s + "-[" + pattern.splitAsStream(s)
            .collect(Collectors.joining("!")) + "]");
}

public void test() {
    final Pattern pattern = Pattern.compile("\\d+");
    test(pattern, "1,2,3,4");
    test(pattern, "a1b2c3d4e");
    test(pattern, "1");
}

版画

1,2,3,4-[!,!,!,]
a1b2c3d4e-[a!b!c!d!e]
1-[]

Answer 3

您可以扩展AbstractSpliterator来解决此问题：

static class SpliterMatcher extends AbstractSpliterator<Integer> {
    private final Matcher m;

    public SpliterMatcher(Matcher m) {
        super(Long.MAX_VALUE, NONNULL | IMMUTABLE);
        this.m = m;
    }

    @Override
    public boolean tryAdvance(Consumer<? super Integer> action) {
        boolean found = m.find();
        if (found)
            action.accept(m.groupCount());
        return found;
    }
}

final Pattern pattern = Pattern.compile("\\d+");

Matcher matcher = pattern.matcher("1");
long count = StreamSupport.stream(new SpliterMatcher(matcher), false).count();
System.out.println("Count: " + count); // 1

matcher = pattern.matcher("1,2,3,4");
count = StreamSupport.stream(new SpliterMatcher(matcher), false).count();
System.out.println("Count: " + count); // 4


matcher = pattern.matcher("foobar");
count = StreamSupport.stream(new SpliterMatcher(matcher), false).count();
System.out.println("Count: " + count); // 0

Answer 4

不久，您有一个stream of String和一个String pattern ：这些字符串中有多少与此模式匹配？

final String myString = "1,2,3,4";
Long count = Arrays.stream(myString.split(","))
      .filter(str -> str.matches("\\d+"))
      .count();

第一行可以是另一种流式传输List<String>().stream() ， ...

我错了吗 ？

Answer 5

Java 9

您可以使用Matcher#results()来获取所有匹配项：

Stream<MatchResult> results()
返回与模式匹配的输入序列的每个子序列的匹配结果流 。 匹配结果的顺序与输入序列中的匹配子序列的顺序相同。

Java 8及更低版本

基于使用反向模式的另一个简单解决方案：

String pattern = "\\D+";
System.out.println("1".replaceAll("^" + pattern + "|" + pattern + "$", "").split(pattern, 0).length); // => 1

这里，所有非数字都从字符串的开头和结尾删除，然后字符串被非数字序列拆分而不报告任何空的尾随空格元素（因为0作为限制参数传递给split ）。

看这个演示 ：

String pattern = "\\D+";
System.out.println("1".replaceAll("^" + pattern + "|" + pattern + "$", "").split(pattern, 0).length);    // => 1
System.out.println("1,2,3".replaceAll("^" + pattern + "|" + pattern + "$", "").split(pattern, 0).length);// => 3
System.out.println("hz 1".replaceAll("^" + pattern + "|" + pattern + "$", "").split(pattern, 0).length); // => 1
System.out.println("1 hz".replaceAll("^" + pattern + "|" + pattern + "$", "").split(pattern, 0).length); // => 1
System.out.println("xxx 1 223 zzz".replaceAll("^" + pattern + "|" + pattern + "$", "").split(pattern, 0).length);//=>2