使用正則表達式匹配多行文本

Question

我正在嘗試使用 java 匹配多行文本。 當我將Pattern類與Pattern.MULTILINE修飾符一起使用時，我能夠匹配，但我不能用(?m).來匹配(?m).

使用(?m)和使用String.matches的相同模式似乎不起作用。

我確定我錯過了一些東西，但不知道是什么。 我不是很擅長正則表達式。

這是我試過的

String test = "User Comments: This is \t a\ta \n test \n\n message \n";

String pattern1 = "User Comments: (\\W)*(\\S)*";
Pattern p = Pattern.compile(pattern1, Pattern.MULTILINE);
System.out.println(p.matcher(test).find());  //true

String pattern2 = "(?m)User Comments: (\\W)*(\\S)*";
System.out.println(test.matches(pattern2));  //false - why?

Answer 1

首先，您在錯誤的假設下使用了修飾符。

Pattern.MULTILINE或(?m)告訴 Java 接受錨點^和$以匹配每行的開頭和結尾（否則它們只匹配整個字符串的開頭/結尾）。

Pattern.DOTALL或(?s)告訴 Java 也允許點匹配換行符。

其次，在您的情況下，正則表達式失敗，因為您使用的是matches()方法，該方法期望正則表達式匹配整個字符串 - 這當然不起作用，因為(\\\\W)*(\\\\S)*匹配。

因此，如果您只是在尋找以User Comments:開頭的字符串，請使用正則表達式

^\s*User Comments:\s*(.*)

使用Pattern.DOTALL選項：

Pattern regex = Pattern.compile("^\\s*User Comments:\\s+(.*)", Pattern.DOTALL);
Matcher regexMatcher = regex.matcher(subjectString);
if (regexMatcher.find()) {
    ResultString = regexMatcher.group(1);
} 

ResultString將包含User Comments:后的文本User Comments:

Answer 2

這與 MULTILINE 標志無關； 您看到的是find()和matches()方法之間的區別。 如果可以在目標字符串中的任何位置找到匹配項，則find()成功，而matches()期望正則表達式匹配整個字符串。

Pattern p = Pattern.compile("xyz");

Matcher m = p.matcher("123xyzabc");
System.out.println(m.find());    // true
System.out.println(m.matches()); // false

Matcher m = p.matcher("xyz");
System.out.println(m.matches()); // true

此外， MULTILINE並不意味着您認為它的作用。 許多人似乎得出結論，如果目標字符串包含換行符——也就是說，如果它包含多個邏輯行，則必須使用該標志。 我已經在 SO 上看到了幾個答案，但實際上，該標志所做的只是改變了錨點^和$的行為。

通常^匹配目標字符串的開頭，而$匹配結尾（或末尾的換行符之前，但我們暫時將其放在一邊）。 但是，如果字符串包含換行符，您可以通過設置 MULTILINE 標志來選擇^和$在任何邏輯行的開頭和結尾進行匹配，而不僅僅是整個字符串的開頭和結尾。

所以忘記MULTILINE意思，只記住它的作用：改變^和$錨點的行為。 DOTALL模式最初被稱為“單行”（現在仍然有一些風格，包括 Perl 和 .NET），它總是引起類似的混亂。 我們很幸運，在這種情況下，Java 開發人員使用了更具描述性的名稱，但是“多行”模式沒有合理的替代方案。

在 Perl 中，所有這些瘋狂都開始了，他們承認了他們的錯誤並擺脫了 Perl 6 正則表達式中的“多行”和“單行”模式。 再過二十年，也許世界其他地方也會效仿。

Answer 3

str.matches(regex) 行為類似於Pattern.matches(regex, str)嘗試將整個輸入序列與模式匹配並返回

當且僅當整個輸入序列匹配此匹配器的模式時才為true

而matcher.find() 試圖找到與模式匹配的輸入序列的下一個子序列並返回

true當且僅當輸入序列的子序列此匹配的模式匹配

因此問題出在正則表達式上。 請嘗試以下操作。

String test = "User Comments: This is \t a\ta \ntest\n\n message \n";

String pattern1 = "User Comments: [\\s\\S]*^test$[\\s\\S]*";
Pattern p = Pattern.compile(pattern1, Pattern.MULTILINE);
System.out.println(p.matcher(test).find());  //true

String pattern2 = "(?m)User Comments: [\\s\\S]*^test$[\\s\\S]*";
System.out.println(test.matches(pattern2));  //true

因此簡而言之，第一個正則表達式中的(\\\\W)*(\\\\S)*部分與空字符串匹配，因為*表示出現零次或多次，而真正匹配的字符串是User Comments:而不是整個字符串，因為您' d 期待。 第二個失敗，因為它試圖匹配整個字符串，但它不能，因為\\\\W匹配非單詞字符，即[^a-zA-Z0-9_]並且第一個字符是T ，一個單詞字符。

Answer 4

多行標志告訴正則表達式將模式匹配到每一行而不是整個字符串，為了您的目的，通配符就足夠了。