Java正則表達式向后引用兩位數

Question

我正在使用正則表達式，並且想在Java中String類的replaceAll方法上使用它。

我的正則表達式可以正常工作，並且groupCount()返回11。因此，當我嘗試使用指向第11個組的后向引用替換文本時，我得到的第一個組帶有附加的“ 1”，而不是第11個組。

String regex = "(>[^<]*?)((\+?\d{1,4}[ \t\f\-\.](\d[ \t\f\-\.])?)?(\(\d{1,4}([\s-]\d{1,4})?\)[\.\- \t\f])?((\d{2,6}[\.\- \t\f])+\d{2,6})|(\d{6,16})([;,\.]{1,3}\d{3,}#?)?)([^<]*<)";
String text = "<span style=\"font-size:11.0pt\">675-441-3144;;;78888464#<o:p></o:p></span>":
String replacement = text.replaceAll(regex, $1<a href="tel:$2">$2</a>$11");

我期望得到以下結果：

<span style=\"font-size:11.0pt\"><a href=\"tel:675-441-3144;;;78888464#\">675-441-3144;;;78888464#</a><o:p></o:p></span>

但是$ 11的反向引用沒有返回第11個組，而是返回了第一個附加了1的組，相反，我得到了以下結果：

<span style="font-size:11.0pt"><a href="tel:675-441-3144">675-441-3144</a>>1o:p></o:p></span>

有人可以告訴我如何訪問我的模式的第11組嗎？

謝謝。

Answer 1

簡短答案

訪問替換中比賽的第十一組的方式是使用$11 。

說明：

如相應的Javadoc *所述：

替換字符串可能包含對先前匹配過程中捕獲的子序列的引用： ${name}或$g每次出現都將被分別評估相應group（name）或group（g）的結果替換。 對於$g ，在之后的第一個數字$始終被視為該組參考的一部分。 如果后續數字將構成合法的組引用，則將其合並到g 。

因此，一般來講，只要至少有11個組，則"$11"將評估為group(11) 。 但是，如果您沒有至少11個組，則"$11"將計算為group(1) + "1" 。

* 此引用來自Matcher#appendReplacement(StringBuffer,String) ，這是來自String#replaceAll(String,String)的相關引用鏈的所在。

---

實際答案

您的正則表達式不會執行您認為的操作。

第1部分

問題

讓我們將正則表達式分為三個頂級組。 它們分別是組1、2和11。

• 第一組：
  (>[^<]*?)
• 第2組：
  ((\\+?\\d{1,4}[ \\t\\f\\-\\.](\\d[ \\t\\f\\-\\.])?)?(\\(\\d{1,4}([\\s-]\\d{1,4})?\\)[\\.\\- \\t\\f])?((\\d{2,6}[\\.\\- \\t\\f])+\\d{2,6})|(\\d{6,16})([;,\\.]{1,3}\\d{3,}#?)?)
• 第11組：
  ([^<]*<)

第2組是您的正則表達式的主體，它由兩個選項的頂級交替組成。 這兩個選項分別由3-8組和9-10組組成。

• 第一種選擇：
  ((\\+?\\d{1,4}[ \\t\\f\\-\\.](\\d[ \\t\\f\\-\\.])?)?(\\(\\d{1,4}([\\s-]\\d{1,4})?\\)[\\.\\- \\t\\f])?((\\d{2,6}[\\.\\- \\t\\f])+\\d{2,6})
• 第二種選擇：
  (\\d{6,16})([;,\\.]{1,3}\\d{3,}#?)?)

現在，給定text字符串，這是怎么回事：

1. 組1執行。 它與第一個">"相匹配。
2. 第2組執行。 它按順序評估其交替的選項。
   1. 執行第2組交替的第一個選項。 匹配"675-441-3144" 。
   2. 第2組的交替在其選項之一匹配時成功短路。
      • 現在，第2組整體等於匹配的選項，即"675-441-3144" 。
      • 現在將光標定位在緊跟在"675-441-3144" ";;;78888464#"之前的";;;78888464#" 。
3. 第11組執行。 它通過下一個"<"匹配所有內容；下一個"<"是所有";;;78888464#<" 。

因此，您希望放在第2組中的某些內容實際上是在第11組中。

解決方案

請同時執行以下兩項操作：

• 將第2組的內容轉換為

   option1|option2 

  至

   option1(option2)?|option2 

• 將替換模式中的$11更改$11 $12 。

這會使貪婪地匹配一個或兩個選項，而不是只有一個選項。 替換模式的修改是因為我們添加了一個組。

第2部分

問題

現在，我們已經修改了正則表達式，原來的“選項2”不再有意義。 給定我們新的模式模板option1(option2)?|option2 ，第2組將不可能匹配"675-441-3144;;;78888464#" 。 這是因為我們原來的“選項1”將匹配所有"675-441-3144" ，然后停止。 然后，我們原始的“選項2”將嘗試匹配";;;78888464#" ，但將無法匹配，因為它以6-10位數字的強制捕獲組開頭： (\\d{6,16}) ，但";;;78888464#"以分號開頭。

解決方案

將原始“選項2”的內容轉換為

(\d{6,16})([;,\.]{1,3}\d{3,}#?)?

至

([;,\.]{1,3}\d{3,}#?)?

第三部分

問題

我們還有最后一個問題要解決。 現在，我們原來的“選項2”僅包含一個帶有?組? 量詞，它有可能成功匹配零長度子串。 因此，我們的模式模板option1(newoption2)?|newoption2可能會導致長度為零的匹配，這不能滿足匹配電話號碼的預期目的。

解決方案

請執行以下兩個操作：

• 將新的“選項2”的內容轉換為

  （[;，。] {1,3} \\ d {3，}＃？）？

  至

  [;，。] {1,3} \\ d {3，}＃？

• 將替換字符串中的$12更改$12 $10 ，因為現在我們已在兩個位置刪除了一個組。

---

最終的解決方案

綜上所述，我們最終的解決方案如下。

搜索正則表達式：

(>[^<]*?)((\+?\d{1,4}[ \t\f\-\.](\d[ \t\f\-\.])?)?(\(\d{1,4}([\s-]\d{1,4})?\)[\.\- \t\f])?((\d{2,6}[\.\- \t\f])+\d{2,6})([;,\.]{1,3}\d{3,}#?)?|[;,\.]{1,3}\d{3,}#?)([^<]*<)

替換正則表達式：

$1<a href="tel:$2">$2</a>$10

Java：

final String searchRegex = "(>[^<]*?)((\\+?\\d{1,4}[ \\t\\f\\-\\.](\\d[ \\t\\f\\-\\.])?)?(\\(\\d{1,4}([\\s-]\\d{1,4})?\\)[\\.\\- \\t\\f])?((\\d{2,6}[\\.\\- \\t\\f])+\\d{2,6})([;,\\.]{1,3}\\d{3,}#?)?|[;,\\.]{1,3}\\d{3,}#?)([^<]*<)";
final String replacementRegex = "$1<a href=\"tel:$2\">$2</a>$10";

String text = "<span style=\"font-size:11.0pt\">675-441-3144;;;78888464#<o:p></o:p></span>";
String replacement = text.replaceAll(searchRegex, replacementRegex);

正確性證明

Answer 2

好吧，在嘗試使用replaceall而不成功之后，我不得不自己實現替換方法：

public static String parsePhoneNumbers(String html){
    StringBuilder regex = new StringBuilder(120);
    regex.append("(>[^<]*?)(")
       .append("((\+?\d{1,4}[ \t\f\-\.](\d[ \t\f\-\.])?)?")
       .append("(\(\d{1,4}([\s-]\d{1,4})?\)[\.\- \t\f])?")
       .append("((\d{2,6}[\.\- \t\f])+\d{2,6})|(\d{6,16})")
       .append("([;,\.]{1,3}\d{3,}#?)?)") 
       .append(")+([^<]*<)");

    StringBuilder mutableHtml = new StringBuilder(html.length());
    Pattern pattern = Pattern.compile(regex.toString());
    Matcher matcher = pattern.matcher(html);
    int start = 0;

    while(matcher.find()){
        mutableHtml.append(html.substring(start, matcher.start()));
        mutableHtml.append(matcher.group(1)).append("<a href=\"tel:")
                .append(matcher.group(2)).append("\">").append(matcher.group(2))
                .append("</a>").append(matcher.group(matcher.groupCount()));
        start = matcher.end();

    }
    mutableHtml.append(html.substring(start));
    return mutableHtml.toString();
}