使用Java Regex匹配字母字符，且不带百分号

Question

tl; dr：

我想要一个像这样的字符串： ab%cde%fg hij %klm n%op

并将其转换为任何（都可以接受）：

• 'ab'%c'de'%f'g hij '%k'lm n'%o'p'
• 'ab'%c'de'%f'g' 'hij' %k'lm' 'n'%o'p'
• 'a''b'%c'd''e'%f'g' 'h''i''j' %k'l''m' 'n'%o'p'

（如果字母字符前没有% ，则必须将其放在单引号内。可以使用开和闭多余的单引号）

用例

我正在尝试采用C strftime格式的字符串，并将其转换为可与Java的SimpleDateFormat 。 在大多数情况下，这很简单：

String format = "%y-%m-%d %H:%M:%S";

Map<String, String> replacements = new HashMap<String, String>() {{
    put("%a", "EEE");
    put("%A", "EEEE");
    put("%b", "MMM");
    put("%B", "MMMM");
    put("%c", "EEE MMM dd HH:mm:ss yyyy");
    // ... for each strftime token, create a mapping ...
}};

for ( String key : replacements.keySet() )
{
    // apply the mappings one at a time
    format = format.replaceAll(key, replacements.get(key));
}

// Then format
SimpleDateFormat df = new SimpleDateFormat(format, Locale.getDefault());
System.out.println(df.format(Calendar.getInstance().getTime()));

但是，当我介绍字符文字时，就会遇到问题。 根据strftime文档， 所有不带百分号的字符文字都将传递而不修改输出字符串。 所以：

Format: "%y is a great year!"
Output: "2019 is a great year!"

但是，对于SimpleDateFormat ，所有字符文字均被视为标记，除非用单引号引起来：

Format: "yyyy 'is a great year!'"
Output: "2019 is a great year!"

Format: "yyyy is a great year!"
Output: ERROR - invalid token "i"

期望的输出

由于strftime令牌始终是单个字符 ，因此修复我们的格式字符串应该不会太困难。 在最坏的情况下，“如果一个字母不是由前面%的标志，把它包在单引号”，这将导致：

Format: "%y is a great year!"
Processed: "%y 'i''s' 'a' 'g''r''e''a''t' 'y''e''a''r'!"

这很丑陋，但会达到预期效果，并且是可以接受的答案。 理想情况下，我们将包装所有不包含%的字母字符 ，如下所示：

Format: "%y is a great year!"
Processed: "%y 'is' 'a' 'great' 'year'!"

或者更好的是，所有运行都包括非字母和非%字符 ：

Format: "%y is a great year!"
Processed: "%y' is a great year!'"

我尝试过的

我从一个毫无头脑的正则表达式开始，我很确定那是行不通的，并且没有：

format.replaceAll("[^%]([a-zA-Z]+)", "'$1'");
// Format:   "Literal %t Literal"
// Output:   "'iteral' %t'Literal'"
// Expected: "'Literal' %t 'Literal'"

我对后向引用没有足够的了解，所以我给了他们一个旋转，但也弄乱了那里的东西：

format.replaceAll("(?!%)([a-zA-Z]+)", "'$1'");
// Format:   "Literal %t Literal"
// Output:   "'Literal' %'t' 'Literal'"
// Expected: "'Literal' %t 'Literal'"

我还考虑过编写一个非常简单的词法分析器。 就像是：

StringBuffer s = new StringBuffer();
boolean inQuote = false;
for (int i = 0; i < format.length; i++)
{
    if (format[i] == '%')
    {
        i++;
        s.append(replacements.get(format[i]);
    }
    else if (inQuote)
    {
        s.append(format[i]);
    }
    else
    {
        s.append("'");
        inQuote = true;
        s.append(format[i]);
    }
}

但是，我了解到format[i]不是有效的Java语法，并且在我决定只在此处发表文章之前，没有花太多时间研究如何从字符串中正确获取字符。

我希望使用正则表达式解决方案，以便可以将其写在一行中，而不是像这样的循环。

Answer 1

已更新为可使用单个正则表达式。 可以添加其他格式以测试正确性。

      String[] formats = { "ab%cde%fg hij %klm n%op", "ab%c", "%d"
      };
      for (String f : formats) {
         String parsed = f.replaceAll("(^[a-z]+|(?<=%[a-z])([a-z ]+))", "'$1'");
         System.out.println(parsed);
      }

两种可能性是：

• 将在%[az]所有字符[az]+放在单引号之间。
• 将所有%之前且以上未包括的字符放在单引号之间。

Answer 2

既然已经考虑过，为什么不使用几个replaceAll函数呢？

首先，对所有连续的字符串添加单引号；

然后，将单引号前跟％移一个字符；

最后，删除空引号。

以下是我在Python中的测试代码。 我相信它也可以在其他语言（例如Java）中使用。

>>> str1=re.sub("([a-zA-Z]+)","'\g<1>'",input)
>>> str2=re.sub("%'([a-zA-Z])'","%\g<1>",str1)
>>> str3=re.sub("''","",str2)
>>> str1
"'Literal' %'t' 'Literal'"
>>> str2
"'Literal' %t 'Literal'"
>>> str3
"'Literal' %t 'Literal'"