扫描仪的Java java.util.regex.MatchResult计数器问题

Question

我正在使用java.util.Scanner从大字符串扫描所有出现的给定正则表达式。

Scanner sc = new Scanner(body);
sc.useDelimiter("");
String match = "";
while(match!=null)
{
    match = sc.findWithinHorizon(pattern, 0);
    if(match==null)break;
    MatchResult mr = sc.match();
    System.out.println("Match string: "+mr.group());
    System.out.println("Match string using indexes: "+body.substring(mr.start(),mr.end());
}

奇怪的是，经过一定数量的扫描后，group（）方法返回正确的结果，而start（）和end（）方法返回错误的索引，例如扫描从文件开头重新开始。 正则表达式是多行的（我使用此正则表达式来发现行更改“ \\ r \\ n | [\\ n \\ r \\ u2028 \\ u2029 \\ u0085]”）。

你有什么提示吗？ 可能与“水平”参数有关（我已经尝试过使用该值的差分组合）吗？

有关更多详细信息，它似乎与文件的大小（超过1000个字符）有关，在大约1000后，计数器从0重新开始（例如，在1003：1020之后出现的第一个错误索引变为3：120）。

Answer 1

Scanner使用带有1024字符的内部缓冲区。 改用Pattern ：

Matcher matcher = Pattern.compile(...).matcher(body);
while(matcher.find()) {
    int start = matcher.start();
}