長命名捕獲組正則表達式模式的問題

Question

我已經創建並初步驗證了以下正則表達式。 它旨在成為標記器的一部分，在將某些模式傳遞給解析器之前對其進行識別和分組。

(?<FUNCTION> (?!CUP\(\d+\)|CDN\(\d+\))[A-Z]+\(\d*\)|[A-Z]+\(\d+,\d+\))
| (?<NUMBER>\d+|\d*\.\d+)
| (?<RELATION>==|<=|>=|!=|<|>|CUP\(\d+\)|CDN\(\d+\))
| (?<EOL>;)
| (?<OPENPAR>\()
| (?<CLOSEPAR>\))
| (?<OPERATION>\*|\+|-|\/])
| (?<SPACE>\s+)
| (?<ERROR>.)

有了上述內容，使用正則表達式引擎屬性以及降低子模式的復雜性，我能夠正確捕獲所有組。 下面的示例文本按預期匹配，在命名捕獲組中捕獲正確的部分（在 regex101： https://regex101.com/r/nvRyjt/2 上）。 到目前為止，一切都很好。

TICK()<=.(2*STDEVEMA(14))+EMA(14);
TREND(14,2)==UP(2);
TICK()>EMA(14);
TREND(14)==UP(1);
EMA(14)CUP(2)EMA(28);
EMA(14)CDN(2)EMA(28)
2*3==6;
ssst2222  \\\\///???
sfgjsf

當我嘗試在 java.util.regex 中使用此表達式時，問題就開始了。 模式僅捕獲較小組的少數出現，並且條目文本的剩余可識別部分被跳過或顯示為“空值”。 我嘗試了許多組合，包括將模式限制為兩個或三個組，但對於導致意外行為的原因沒有明確的結論。 搜索到目前為止發布的問題，我清楚地注意到 regex101（和一般的 PCRE）不是驗證稍后在 java 中使用的正則表達式的好工具:-)。 在發布此內容時，我想問以下問題：

1. 你們中是否有人知道關於 Pattern 和 Matcher 類如何工作（尤其是正則表達式引擎）的任何深入描述？
2. 您是否在復雜的正則表達式模式中遇到過類似的問題（也許 java.util 的限制不那么明顯）？

負前瞻的更具體的事情。 像這樣的構造：

(?<FUNCTION> (?!CUP\(\d+\)|CDN\(\d+\))[A-Z]+\(\d*\)|[A-Z]+\(\d+,\d+\))

僅跳過第一個字符“C”，將預期將被跳過的關鍵字的剩余部分（CUP 或 CDN）視為有效（在本例中為 UP 或 DN）。 對此有什么想法嗎？ 先感謝您 ！

Answer 1

我不確定我是否可以回答您的問題，但您可以嘗試以下方法。

使用 regex101 站點上的代碼生成器工具（在左側工具下）並使用 java 作為您的語言。

從生成的正則表達式字符串中刪除\n 。 不刪除它可能會導致您的問題？！

package com.company;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Main {

    public static void main(String[] args) {

        final String regex = "(?<FUNCTION> (?!CUP\\(\\d+\\)|CDN\\(\\d+\\))[A-Z]+\\(\\d*\\)|[A-Z]+\\(\\d+,\\d+\\))" +
                " | (?<NUMBER>\\d+|\\d*\\.\\d+)" +
                " | (?<RELATION>==|<=|>=|!=|<|>|CUP\\(\\d+\\)|CDN\\(\\d+\\))" +
                " | (?<EOL>;)" +
                " | (?<OPENPAR>\\()" +
                " | (?<CLOSEPAR>\\))" +
                " | (?<OPERATION>\\*|\\+|-|\\/])" +
                " | (?<SPACE>\\s+)" +
                " | (?<ERROR>.)";
        final String string = "TICK()<=.(2*STDEVEMA(14))+EMA(14);\n"
                + "TREND(14,2)==UP(2);\n"
                + "TICK()>EMA(14);\n"
                + "TREND(14)==UP(1);\n"
                + "EMA(14)CUP(2)EMA(28);\n"
                + "EMA(14)CDN(2)EMA(28)\n"
                + "2*3==6;\n"
                + "ssst2222  \\\\\\\\///???\n"
                + "sfgjsf\n";

        final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE | Pattern.COMMENTS);
        final Matcher matcher = pattern.matcher(string);

        while (matcher.find()) {
            System.out.println("Full match: " + matcher.group(0));
            for (int i = 1; i <= matcher.groupCount(); i++) {
                System.out.println("Group " + i + ": " + matcher.group(i));
            }
        }
    }
}

謹防

我得到了 67 個匹配項，regex101 得到了 89 個匹配項。

這是因為 SPACE 在 regex101 中的 ERROR 之前匹配。 在 Java 中不是。 可能是 regex101 支持的擴展模式，在 Java 中似乎不可用。

例子：

final String string = "TICK()<=."

給出 Java：

Full match: TICK()
Full match: <=
Full match: .

給出正則表達式101：

Match 1  Full match 0-6 TICK()
Match 2  Full match 6-8 <= 
Match 3  Full match 8-8  
Match 4  Full match 8-9 .