Java 正则表达式用于标识符（字母、数字和下划线）

Question

假设您给出了一个看起来像这样的输入(identifier1 identifier_2 23 4) 。

我想在每个标识符之后添加一个#符号，它可以包含字母、数字和下划线。 它们只能以字母开头，后跟字母、数字和下划线的变体。 我的方法是这样的：

input.replaceAll("[A-Za-z0-9_]+", "$0#");

但是，这也会在我想排除的每个数字后面加上#符号。 结果应该是(identifier1# identifier_2# 23 4) 。 是否有可能用正则表达式解决这个问题？

Answer 1

更新2

增量Java说：

• 每个标识符必须至少包含一个字符。
  
• 必须从以下字符中选择第一个字符：字母，下划线或美元符号。 第一个字符不能为数字。
  
• 其余字符（第一个字符除外）可以来自：字母，数字，下划线或美元符号。 换句话说，它可以是任何有效的标识符字符。
  
  简而言之，标识符是从字母，数字，下划线或美元符号中选择的一个或多个字符。 唯一的限制是第一个字符不能为数字。

所以，你最好用

String pattern = "(?:\\b[_a-zA-Z]|\\B\\$)[_$a-zA-Z0-9]*+";

见正则表达式演示

更新

累积 使用正则表达式表示标识符时 ，标识符regex为[_a-zA-Z][_a-zA-Z0-9]* 。

因此，您可以使用

String pattern = "\\b[_a-zA-Z][_a-zA-Z0-9]*\\b";

注意 ，它允许_______ 。

您可以使用

String p = "\\b_*[a-zA-Z][_a-zA-Z0-9]*\\b";

为了避免这种情况。 请参阅IDEONE演示 。

String s = "(identifier1 identifier_2 23 4) ____ 33"; 
String p = "\\b_*[a-zA-Z][_a-zA-Z0-9]*\\b";
System.out.println(s.replaceAll(p, "$0#"));

输出： (identifier1# identifier_2# 23 4) ____ 33

老答案

您可以使用以下模式：

String p = "\\b(?!\\d+\\b)[A-Za-z0-9]+(?:_[A-Za-z0-9]+)*\\b";

或（如果_可以出现在末尾）：

String p = "\\b(?!\\d+\\b)[A-Za-z0-9]+(?:_[A-Za-z0-9]*)*\\b";

见正则表达式演示

该模式要求整个单词（因为表达式用单词边界\\b包围）不应等于数字（使用(?!\\d+\\b) ），并且展开的部分[A-Za-z0-9]+(?:_[A-Za-z0-9])*匹配非下划线单词字符块，后跟零个或多个下划线序列，再后跟非下划线单词字符块。

IDEONE演示 ：

String s = "(identifier1 identifier_2 23 4) ____ 33"; 
String p = "\\b(?!\\d+\\b)[A-Za-z0-9]+(?:_[A-Za-z0-9]*)*\\b";
System.out.println(s.replaceAll(p, "$0#")); 

输出： (identifier1# identifier_2# 23 4) ____ 33

Answer 2

您当前的正则表达式说

一个或多个大写或小写字母，数字或下划线，顺序不限。

根据该正则表达式， 54是有效标识符。

你真的想写

字母，后跟任意数量的字母，数字或下划线，顺序不限

可以用以下代码编写：

input.replaceAll("[A-Za-z][A-Za-z0-9_]*", "$0#");

---

Wiktor指出，此正则表达式仍将匹配非标识符形式的内容中的“标识符”。 要解决此问题，您可以使用以下变体：

input.replaceAll("\\b([A-Za-z][A-Za-z0-9_]*)\\b", "$1#")

此拒绝123ab123作为有效的标识符，但接受ab123在123 ab123

Answer 3

如果您想使用 java 来读取 java，java 可以为您提供： "\\b\\p{javaJavaIdentifierStart}\\p{javaJavaIdentifierPart}*\\b"