捕獲組吃一些角色

Question

我的輸入是這樣的：

line 1
**ER1.RIAA.SOMPSFIO(LIAOEE)         UTGD788  FDSJOFUZZÄ                                                                                                                                                                              line2      
JNDJZSDS ER1.RIAA.SIMEDFUA(AUDD)                YIRIHFIH1465EZZÄ     

line 3
UJZRJOERERÃLDE,UIE='UJ1.DHZKZ5.OZDEZN98.AAERRE',I=DZEDE                   POPZEOE**

我只想獲取帶有句點的字符，即：

ER1.RIAA.SOMPSFIO
ER1.RIAA.SIMEDFUA
UJ1.DHZKZ5.OZDEZN98.AAERRE

我的解決方案是：

try {
    StringBuilder sb = new StringBuilder();
    String line = br.readLine();

    while (line != null) {
        nrligne++;

int counter = 0;

for (int i=0; i<line.length(); i++ ) {
    if( line.charAt(i) == '.' ) {
        counter++;
    }
}

if (counter == 2) {

    if (line.matches("^.*[A-Z0-9]+\\..[A-Z1-9]+.*$")){

        line= removeTroublesomeCharacters(line);
        System.out.println("ligne vaut "+line);

        Pattern dsnPattern = Pattern.compile("^.*([A-Z0-9]+)\\..([A-Z1-9]+)\\..([A-Z1-9]+).*$");
        Matcher m = dsnPattern.matcher(line);

        if (m.matches()) {
            String part1   = m.group(1);
            String part2   = m.group(2);
            String part3   = m.group(3);

            System.out.println("part1 vaut "+part1);
            System.out.println("part2 vaut "+part2);
            System.out.println("part2 vaut "+part3);
        }               
    }

目前的結果是

ligne vaut ER1.RIAA.SOMPSFIO(LIAOEE)                                                                                             UTGD788
part1 vaut 1
part2 vaut IAA
part2 vaut OMPSFIO
ligne vaut PZFDSJOFUZZÃâ                                                                                                                                                                                    ER1.RIAA.SIMEDFUA(AUDD)                                                                                             UOOO88
part1 vaut 1
part2 vaut IAA
part2 vaut IMEDFUA
ligne vaut UJZRJOERERÃLDE,UIE='UJ1.DHZKZ5.OZDEZN98',I=DZEDE                                                                                                                                                                                                                                                                      POPZEOE
part1 vaut 1
part2 vaut HZKZ5
part2 vaut ZDEZN98

輸入文件： http : //uploadhero.co/dl/PWBLhi7d我不明白為什么正則表達式會吃掉每個字符的開頭？ 有人可以幫我解決這個問題嗎？

Answer 1

因為您在dot之后消耗了一個額外的字符，而沒有將其包括在字符類中。

\\..   // this will match a dot, and then following single character.

此外，使.*在您的正則表達式的開始.*? 。 由於量詞在默認情況下是貪婪的，因此它們將消耗所有字符，並且僅在之前留下一個單詞. 被([a-z0-9]+)匹配。

將您的正則表達式更改為：

"^.*?([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+).*$"

---

另外，由於無論如何都在使用Pattern和Matcher ，因此我將考慮使用Matcher#find()方法，並僅針對我需要的部分構建模式：

Pattern dsnPattern = Pattern.compile("([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+)");
Matcher m = dsnPattern.matcher(line);

if (m.find()) {

Answer 2

由於表達式的捕獲部分在“吃東西” .*表達式之前和之后，因此，您希望捕獲的部分內容最終被這些“填充符”占用。

您可以明確要求[A-Z0-9]+組之前和之后的字符為非字母數字，例如：

   "^.*(?<![A-Z0-9])([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+)(?![A-Z1-9]).*$"

• (?<![A-Z0-9])表示“不以[A-Z0-9] ”
• (?![A-Z1-9])表示“不跟[A-Z1-9] ”

編輯：

不必先行，因為+是貪婪的：

"^.*(?<![A-Z0-9])([A-Z0-9]+)\\.([A-Z1-9]+)\\.([A-Z1-9]+).*$"

（信用歸Rohit Jain所有 ）