Java中的正则表达式：在正则表达式中需要转义反斜杠

Question

关于下面的问题 - String.replaceAll single backslashes with double backslashes。

我写了一个测试程序，发现无论我是否转义反斜杠，结果都是正确的。这可能是因为： - \t 是Java字符串转义序列。(尝试\s会报错) - \t 在正则表达式中被视为字面制表符。 对于原因我还有些不确定。

在Java中，有没有关于转义正则表达式的通用指南？我认为使用两个反斜杠是正确的方法。

我仍然想知道你们的意见。

public class TestDeleteMe {

  public static void main(String args[]) {
    System.out.println(System.currentTimeMillis());

    String str1 = "a    b"; //tab between a and b 

    //pattern - a and b with any number of spaces or tabs between 
    System.out.println("matches = " + str1.matches("^a[ \\t]*b$")); 
    System.out.println("matches = " + str1.matches("^a[ \t]*b$")); 
  }
}

- RuntimeException

Answer 1

是的，有一个关于转义的通用指南：Java源代码中的转义序列将被Java编译器（或某些预处理器）替换。编译器会抱怨它不认识的任何转义序列，例如\s。当您为RegEx模式编写字符串文字时，编译器将像往常一样处理此文字，并替换所有转义序列为相应的字符。然后，在程序执行时，Pattern类编译输入字符串，即它将再次评估转义序列。Pattern类知道\s作为一个字符类，因此能够编译包含这个类的模式。但是，您需要从不知道这个转义序列的Java编译器中转义\s。为此，您需要转义反斜杠，结果是\\s。

简而言之，您总是需要两次转义正则表达式模式的字符类。如果您想匹配反斜杠，则正确的模式是\\\\，因为Java编译器会将其变成\\，而Pattern编译器将识别为转义的反斜杠字符。

- Michael Schmeißer

---

谢谢。我明白了。所以你需要在Java中编写你的String，以便Pattern引擎得到它所期望的内容。我想我将来在Java中编写正则表达式时必须非常小心。 - RuntimeException

Answer 2

有两种解释转义序列: Java编译器和正则表达式引擎。当Java编译器看到两个斜杠时，它将它们替换为单个斜杠。当斜杠后面跟着t时，Java会将其替换为制表符；当双斜杠后面跟着t时，Java则不做处理。然而，由于两个斜杠被替换为单个斜杠，正则表达式引擎看到的是\t，并将其解释为一个制表符。

我认为更好的做法是让正则表达式引擎将\t解释为制表符（即在Java中编写"\\t"），因为这样可以在调试、日志记录等过程中以预期的形式查看表达式。如果你将带有\t的模式转换为字符串，你将在正则表达式的中间看到一个制表符，可能会将其误认为是其他空格符号。带有\\t的模式则没有这个问题：它们会显示一个单斜杠后跟着\t，告诉你它们匹配的确切空格符号类型。

- Sergey Kalinichenko

---

谢谢。现在我明白了，正则表达式引擎可以理解[ \t]（空格后跟制表符）和[ ]（空格后跟制表符）并将它们处理为相同的内容。你认为我这样说是正确的吗？[ \t]看起来更易懂一些。所以我必须在Java中使用[ \\t]。 - RuntimeException

@SatishMotwani，“必须”这个词太强了，但是让\\t流到正则表达式中是一个好习惯。 - Sergey Kalinichenko

Answer 3

第一种形式\\t将被模式类扩展为制表符。

第二种形式\t将在Java构建模式之前被扩展为制表符。

最终，您无论哪种方式都会得到一个制表符。

- tim_yates

---

没问题，*"我相信"*这句话是不必要的。在Java字符串中，"\\t"会被翻译成制表符\t，在正则表达式引擎中也会被视为制表符。而"\t"在Java字符串中就已经代表了制表符，在正则表达式中也不会改变。 - Tomalak

Answer 4

使用org.apache.commons.lang3.StringEscapeUtils.unescapeJava(...)，您可以转义大多数常见的spl.chars和unicode字符（将unicode字符集转换为可读的常规字符）。

- Karthik Karuppannan

---

我曾试图用2或4个反斜杠来转义\*和\d（以获取星号和数字），但没有成功。当我使用了4个反斜杠和StringEscapeUtils.unescapeJava时，它奏效了！这拯救了我的理智；谢谢。 - nikodaemus