正则表达式从Java到PHP的转换

Question

我在php中有一个正则表达式，我需要将其转换为java。 有可能这样做吗？ 如果可以，我该怎么办？

提前致谢

$region_pattern = "/<a href=\"#\"><img src=\"images\/ponto_[^\.]+\.gif\"[^>]*>[&nbsp;]*<strong>(?P<neighborhood>[^\(<]+)\((?P<region>[^\)]+)\)<\/strong><\/a>/i" ;

Answer 1

从任何正则表达式到Java的典型转换是：

• 排除模式定界符=>删除开头和结尾/
• 删除标记，这些标记将应用于Pattern对象，即尾随的i 。 您应该将其放在Pattern对象的初始化中，或将其添加到正则表达式前，例如(?i)<regex>
• 用\\\\替换所有\\ ， \\在java中已经有含义（在字符串中转义），要在Java的正则表达式中使用反斜杠，必须使用\\\\代替\\ ，因此\\w变为\\\\w 。 而\\\\变成\\\\\\\\

正则表达式以上将成为

Pattern.compile("<a href=\"#\"><img src=\"images\\/ponto_[^\\.]+\\.gif\"[^>]*>[&nbsp;]*<strong>(?P<neighborhood>[^\\(<]+)\\((?P<region>[^\\)]+)\\)<\\/strong><\\/a>", Pattern.CASE_INSENSITIVE);

但是，这将失败，我认为这是因为?P是修饰符，Java中不存在一个修饰符，所以它是无效的正则表达式。

Answer 2

原始正则表达式存在一些必须首先解决的问题。 首先，有[ ] ，它与字符& ， n ， b ， s ， p或;中的一个匹配; 。 要匹配实际的不间断空格字符，应使用\\xA0 。

您那里也有很多不需要的反斜杠。 您可以通过将正则表达式定界符更改为/以外的内容来摆脱某些限制。 其他字符则不需要，因为它们位于字符类中，而大多数元字符都失去了特殊的含义。 剩下的就是这个PHP正则表达式：

"~<a href=\"#\"><img src=\"images/ponto_[^.]+\.gif\"[^>]*>\xA0*<strong>(?P<neighborhood>[^(<]+)\((?P<region>[^)]+)\)</strong></a>~i"

有三件事使此正则表达式与Java不兼容。 一个是定界符（ /最初是上述版本中的~ ）以及结尾的i修饰符。 Java根本不使用正则表达式定界符，因此只需删除它们即可。 可以在正则表达式的开头使用内联形式(?i)将修饰符移动到正则表达式本身中。 （顺便说一下，这也可以在PHP中使用。）

接下来是反斜杠。 那些用于转义引号的代码保持原样，但其他所有代码都会加倍，因为Java对字符串文字中的转义序列更加严格。

最后，有命名组。 直到Java 6为止，完全不支持命名组。 Java 7支持它们，但是它们使用.NET支持的较短(?<name>...)语法，而不是Pythonesque (?P<name>...)语法。 （顺便说一下，较短的(?<name>...)版本也应在PHP中运行（ (?'name'...) .NET也应引入(?'name'...) ））。

因此，您的正则表达式的Java 7版本为：

"(?i)<a href=\"#\"><img src=\"images/ponto_[^.]+\\.gif\"[^>]*>\\xA0*<strong>(?<neighborhood>[^(<]+)\\((?<region>[^)]+)\\)</strong></a>"

对于Java 6或更早版本，您将使用：

"(?i)<a href=\"#\"><img src=\"images/ponto_[^.]+\\.gif\"[^>]*>\\xA0*<strong>([^(<]+)\\(([^)]+)\\)</strong></a>"

...并且您必须使用数字而不是名称来引用组捕获。

Answer 3

REGEX是REGEX，与语言无关。 您发布的REGEX可以在Java和PHP上使用。 您确实需要进行一些调整，因为两种语言使用的模式都不完全相同（尽管模式本身可以同时在两种语言中使用）。

要考虑的要点

• 您应该知道Java的Pattern对象将应用标志，而不必在模式字符串本身上指定标志。
• 分隔符也不应包括在内。 仅模式本身。