Java正則表達式邊界匹配？

Question

我在一個Java測試套件中發現了以下問題

    Pattern p = Pattern.compile("[wow]*");
    Matcher m = p.matcher("wow its cool");
    boolean b = false;
    while (b = m.find()) {
        System.out.print(m.start() + " \"" + m.group() + "\" ");
    }

輸出似乎如下

0 "wow" 3 "" 4 "" 5 "" 6 "" 7 "" 8 "" 9 "oo" 11 "" 12 ""

直到最后一場比賽很明顯，模式[哇] *貪婪地匹配0或更多'w'和'o'字符，而對於不匹配的字符，包括空格，它會產生空字符串。 然而，在將最后一個'l'與11“”匹配后，以下12“”似乎不清楚。 在測試解決方案中沒有詳細說明，我也無法從javadoc中明確地解決這個問題。 我最好的猜測是邊界特征，但如果有人能提供解釋，我將不勝感激

Answer 1

您看到此行為的原因是您的模式允許空匹配。 換句話說，如果你傳遞一個空字符串，你會在零位置看到一個匹配：

Pattern p = Pattern.compile("[wow]*"); // One of the two 'w's is redundant, but the engine is OK with it
Matcher m = p.matcher("");             // Passing an empty string results in a valid match that is empty
boolean b = false;
while (b = m.find()) {
    System.out.print(m.start() + " \"" + m.group() + "\" ");
}

這將打印0 ""因為空字符串與表達式的任何其他匹配一樣好。

再回到你的例子，每當引擎發現一個匹配項（包括一個空的匹配項）時，它會通過一個字符前進。 “前進一個”意味着引擎在下一個位置考慮弦的“尾部”。 這包括正則表達式引擎處於位置11的時間，即最后一個字符的時間：這里，“尾部”由空字符串組成。 這類似於調用"wow its cool".substring(12) ：在這種情況下你也會得到一個空字符串。

引擎將空字符串視為有效輸入，並嘗試將其與表達式匹配，如上例所示。 這會產生匹配，您的程序會正確報告。

Answer 2

• [wow]*匹配第一個wow弦。 count = 1

• 由於字符類旁邊的* （ 零或更多 ）， [wow]*這個正則表達式將匹配一個空字符串，該字符串存在於與上述模式不匹配的字符之前。 因此它匹配前面存在於第一個空間的邊界或空白空間。 數= 2。

• its與上述正則表達式不匹配。 所以它匹配每個字符之前存在的空字符串。 因此計數是2+3=5 。

• 並且第二個空間與上述正則表達式不匹配。 所以我們得到一個空字符串作為匹配。 5+1=6

• c與上述正則表達式不匹配。 所以它匹配之前存在的空白空間到c 6+1=7

• oo與上述正則表達式匹配。 [wow]* 。 所以它匹配oo ，這被認為是1匹配。 所以我們得到7+1=8作為計數。

• l不匹配。 數= 9

• 最后它匹配最后一個字符旁邊的空字符串。 所以現在計數是9+1=10

• 最后我們都知道m.start()打印相應匹配的起始索引。

DEMO

Answer 3

正則表達式簡單地將模式與輸入匹配，從給定的偏移量開始。 對於最后一場比賽，12的偏移量是在'酷'的最后一個字符之后的位置 - 你可能認為這是字符串的結尾，因此不能用於匹配目的 - 但你錯了。 對於模式匹配，這是一個非常有效的起點。

正如您所述，您的正則表達式包含零字符的可能性，實際上，這是在最后一個字符結束之后但在字符串結束標記之前發生的事情（通常在正則表達式中由$表示）。

換句話說，沒有測試超過最后一個字符的結尾，這意味着不會發生與字符串結尾相關的匹配 - 但是有許多正則表達式構造匹配字符串的結尾（並且你已經在這里顯示其中一個）。