如何匹配 java 中的最大长度正则表达式

Question

public static void main(String[] args) {

        Pattern compile = Pattern
                .compile("[0-9]{1,}[A-Za-z]{1,}|[A-Za-z][0-9]{1,}|[a-zA-Z][a-zA-Z0-9\\.\\-_/#]{2,}|[0-9]{3,}[A-Za-z][a-zA-Z0-9\\.\\-_/#]*|[0-9][0-9\\-]{4,}|[0-9][0-9\\-]{3,}[a-zA-Z0-9\\.\\-_/#]+");
        Matcher matcher = compile.matcher("i5-2450M");
        matcher.find();
        System.out.println(matcher.group(0));
    }

我认为这应该返回i5-2450M但它实际上返回i5

Answer 1

问题是使用匹配的第一个交替。

在这种情况下，第二次交替（ [A-Za-z][0-9]{1,} ，匹配i5 ）“阴影”任何后续的交替。

// doesn't match
[0-9]{1,}[A-Za-z]{1,}|
// matches "i5"
[A-Za-z][0-9]{1,}|
// the following are never even checked, because of the previous match
[a-zA-Z][a-zA-Z0-9\\.\\-_/#]{2,}|
[0-9]{3,}[A-Za-z][a-zA-Z0-9\\.\\-_/#]*|
[0-9][0-9\\-]{4,}|
[0-9][0-9\\-]{3,}[a-zA-Z0-9\\.\\-_/#]

---

（请注意，帖子中的正则表达式可能存在严重问题 - 例如， 0---#将与最后一条规则匹配 - 应该解决，但由于不是交替行为的“基本”问题。）

要解决此问题，请首先安排最具体的更改。 在这种情况下，它将把第二次交替置于其他交替条目之下。 （还要回顾其他的变化和相互作用;也许整个正则表达式可以简化？）

使用简单的单词边界（ \\b ）在这里不起作用，因为-被认为是非单词字符。 但是，根据正则表达式的含义，可以在交替周围使用锚点（ $和^ ）：例如^existing_regex$ 。 这不会改变交替的行为，但是会导致i5的初始匹配被回溯，从而导致后续的交替条目被考虑，因为无法在之后立即匹配输入结束。交替小组。

---

来自Java正则表达式交替运算符“|” 行为似乎破了 ：

Java使用NFA或regex指导的风格，如Perl，.NET，JavaScript等，与sed，grep或awk不同。 一旦替代方案匹配 ， 预计交替将退出 ，而不是最长匹配。

（这个问题中接受的答案使用了单词边界。）

来自模式 ：

Pattern引擎执行传统的基于NFA的匹配， 具有 Perl 5中的有序交替 。

Answer 2

尝试遍历匹配项（即 while matcher(text).find()）