如何在模式匹配中轉義“+”以突出顯示關鍵字？

Question

我在 Java 中實現了一個關鍵字熒光筆。 我正在使用java.util.regex.Pattern在字符串內容中突出顯示（加粗）關鍵字。 以下代碼適用於字母數字關鍵字，但不適用於某些特殊字符。 例如，在字符串內容中，我想突出顯示具有特殊字符 +（加號）的關鍵字c++ ，但沒有正確突出顯示。 如何轉義+字符以突出顯示c++ ？

public static void main(String[] args)
{
    String content = "java,c++,ejb,struts,j2ee,hibernate";
    System.out.println("CONTENT: " + content);
    String highlight = "C++";

    System.out.println("HIGHLIGHT KEYWORD: " + highlight);

    //highlight = highlight.replaceAll(Pattern.quote("+"), "\\\\+");
    java.util.regex.Pattern pattern = java.util.regex.Pattern.compile("\\b" + highlight + "\\b", java.util.regex.Pattern.CASE_INSENSITIVE);
    System.out.println("PATTERN: " + pattern.pattern());
    java.util.regex.Matcher matcher = pattern.matcher(content);

    while (matcher.find()) {
        System.out.println("Match found!!!");
        for (int i = 0; i <= matcher.groupCount(); i++) {
        System.out.println(matcher.group(i));
        content = matcher.replaceAll("<B>" + matcher.group(i) + "</B>");
        }
    }
    System.out.println("RESULT: " + content);
}

Output：
內容：java,c++,ejb,struts,j2ee,hibernate
重點關鍵字：C++
模式：\bC++\b
匹配找到了！！！
c
結果：java、 c ++、ejb、struts、j2ee、hibernate

---

我什至嘗試在像這樣調用Pattern.compile之前轉義“+”，

 highlight = highlight.replaceAll(Pattern.quote("+"), "\\\\+");

但我仍然無法正確使用語法。 有人可以幫我解決這個問題嗎？

Answer 1

這應該做你需要的：

Pattern pattern = Pattern.compile(
    "\\b" 
    + Pattern.quote(highlight)
    + "\\b",
    Pattern.CASE_INSENSITIVE);

更新：你是對的，以上不適用於 C++ （ \b匹配單詞邊界並且不將 ++ 識別為單詞）。 我們需要一個更復雜的解決方案：

Pattern pattern = Pattern.compile(
    "\\b" 
    + Pattern.quote(highlight)
    + "(?![^\\p{Punct}\\s])", // matches if the match is not followed by
                              // anything other than whitespace or punctuation
    Pattern.CASE_INSENSITIVE);

更新以回應評論：似乎您在模式創建中需要更多邏輯。 這是為您創建模式的輔助方法：

private static final String WORD_BOUNDARY = "\\b";
// edit this to suit your neds:
private static final String ALLOWED = "[^,.!\\-\\s]";
private static final String LOOKAHEAD = "(?!" + ALLOWED + ")";
private static final String LOOKBEHIND = "(?<!" + ALLOWED + ")";

public static Pattern createHighlightPattern(final String highlight) {
    final Pattern pattern = Pattern.compile(
            (Character.isLetterOrDigit(highlight.charAt(0)) 
             ? WORD_BOUNDARY : LOOKBEHIND)
            + Pattern.quote(highlight)
            + (Character.isLetterOrDigit(highlight.charAt(highlight.length() - 1))
             ? WORD_BOUNDARY : LOOKAHEAD),
            Pattern.CASE_INSENSITIVE);
    return pattern;
}

這里有一些測試代碼來檢查它是否有效：

private static void testMatch(final String haystack, final String needle) {
    final Matcher matcher = createHighlightPattern(needle).matcher(haystack);
    if (!matcher.find())
        System.out.println("Failed to find pattern " + needle);
    while (matcher.find())
        System.out.println("Found additional match: " + matcher.group() +
                           " for pattern " + needle);
}

public static void main(final String[] args) {
    final String testString = "java,c++,hibernate,.net,asp.net,c#,spring";
    testMatch(testString, "java");
    testMatch(testString, "c++");
    testMatch(testString, ".net");
    testMatch(testString, "c#");
}

當我運行這個方法時，我沒有看到任何 output （這很好:-)）

Answer 2

問題是\b單詞邊界錨不匹配，因為+是非單詞字符，我假設后面有一個空格也是非單詞字符。

單詞邊界\b匹配從單詞字符（ \w中的成員）到非單詞字符（沒有\w成員）的變化。

此外，如果您想從字面上匹配+ ，則必須將其轉義。 在這里，您正在搜索C++ ，這意味着匹配至少一個C並且++是一個所有格量詞，匹配至少 1 個C並且不回溯。

嘗試將您的模式更改為這樣的

java.util.regex.Pattern.compile("\\b" + highlight + "(?=\s)", java.util.regex.Pattern.CASE_INSENSITIVE);

(?=\s)是一個積極的前瞻，它將檢查您的highlight后是否有空格

此外，您將需要轉義您正在搜索的 +。

Answer 3

你需要的都在這里：

Pattern.compile("\\Q"+highlight+"\\E", java.util.regex.Pattern.CASE_INSENSITIVE);

Answer 4

假設您的關鍵字不以標點符號開頭或結尾，這里有一個注釋正則表達式，它使用前瞻和后瞻來實現您想要的匹配行為：

// Compile regex to match a keyword or keyphrase.
java.util.regex.Pattern pattern = java.util.regex.Pattern.compile(
    "(?<=[\\s'\".?!,;:]|^)  # Word preceded by ws, quote, punct or BOS.\n" +

    // Escape any regex metacharacters in the keyword phrase.
    java.util.regex.Pattern.quote(highlight) + " # Keyword to be matched.\n" +

    "(?=[\\s'\".?!,;:]|$)   # Word followed by ws, quote, punct or EOS.", 
    Pattern.CASE_INSENSITIVE | Pattern.UNICODE_CASE | Pattern.COMMENTS);

請注意，即使您的關鍵字是包含空格的短語，此解決方案也有效。