Java正則表達式跳過匹配

Question

我有一些文字； 我想提取不被標點符號分隔的單詞對。 這是代碼：

//n-grams
Pattern p = Pattern.compile("[a-z]+");
if (n == 2) {
    p = Pattern.compile("[a-z]+ [a-z]+");
}
if (n == 3) {
    p = Pattern.compile("[a-z]+ [a-z]+ [a-z]+");
}
Matcher m = p.matcher(text.toLowerCase());
ArrayList<String> result = new ArrayList<String>();

while (m.find()) {
    String temporary = m.group();
    System.out.println(temporary);

    result.add(temporary);
}

問題在於它跳過了一些匹配項。 例如

“我的名字是詹姆斯”

，對於n = 3，必須匹配

“我的名字是”和“名字是詹姆斯”

，但只匹配第一個。 有辦法解決嗎？

Answer 1

您可以使用超前組捕獲它

(?=(\b[a-z]+\b \b[a-z]+\b \b[a-z]+\b))

這導致它被捕獲為兩個組。因此，在您的情況下

Group1-> my name is

Group2-> name is james James

Answer 2

在regex定義的正則表達式模式中，將字符串從左到右應用到字符串中，並且一旦在匹配項中使用了源字符，就無法重用它。

例如，正則表達式“ 121”將匹配“ 31212142121”的次數是“ 121 ___121”的兩倍。

Answer 3

我傾向於使用Matcher的find()方法的參數：

Matcher m = p.matcher(text);
int position = 0;
while (m.find(position)) { 
  String temporary = m.group();
  position = m.start();  
  System.out.println(position + ":" + temporary);
  position++;
}

因此，在每次迭代之后，它都會根據最后一個開始索引再次搜索。

希望能有所幫助！