Java正则表达式的奇怪行为

Question

以下代码无法在myStr变量中找到字符串"MOVE"：

```

以下代码无法在myStr变量中找到字符串"MOVE"：

```

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

public class Test {
    public static void main(String[] args) {
       String myStr = "    ELSE  MOVE   EXT-LNGSHRT-AMT-C TO WK-UNSIGNED-LNGSHRT-AMT  COMPUTE WK-SHORT-AMT = EXT-LNGSHRT-AMT-C * -1.";
       String verbsRegex = "\\s+(ACCEPT|ADD|ALTER|CALL|CANCEL|CLOSE|COMPUTE|DELETE|DISPLAY|DIVIDE|ELSE|EXIT|EVALUATE|EXEC|GO|GOBACK|IF|INITIALIZE|INSPECT|INVOKE|MERGE|MOVE|MULTIPLY|OPEN|PERFORM|READ|RELEASE|RETURN|REWRITE|SEARCH|SET|SORT|START|STOP|STRING|SUBTRACT|UNSTRING|WRITE|COPY|CONTINUE|WHEN)\\s+";

       Pattern p = Pattern.compile(verbsRegex);
       Matcher m = p.matcher(myStr);
       System.out.println("------------------------------------");
       while (m.find()) {
           System.out.println(myStr.substring(m.start(),m.end()));
           System.out.println("("+ m.group(1) + ")");
       }
       System.out.println("------------------------------------");
    }
}

如果我将myStr更改为类似于的内容

       String myStr = "   MOVE  ELSE  MOVE   EXT-LNGSHRT-AMT-C TO WK-UNSIGNED-LNGSHRT-AMT  COMPUTE WK-SHORT-AMT = EXT-LNGSHRT-AMT-C * -1.";

Java开始返回MOVE给我。但在这种情况下，ELSE被错过了！

请问有关于这种行为的解释吗？我是否遗漏了什么明显的东西？

提前致谢。

- Chaitanya R

---

你只捕获“空格后跟随以下任何字符串然后更多的空格”，因此这仅适用于像“MOVE”或“ELSE”这样的文本，但不适用于“MOVE ELSE”，因为ELSE不仅由空格前导。 - gtgaxiola

你总是打印相同的组... - pedromss

Answer 1

\s+ 在正则表达式末尾与模式开头相冲突。它们是贪婪的，这意味着它匹配到单词 MOVE，留下了它左侧没有空格，因此不能匹配。

将两个\s+都改为\s+?，那么MOVE就会匹配。但要注意这意味着要求所有捕获组具有自己的一个或多个空格字符。可以使用单词边界或环视解决这个问题。

- linden2015

Answer 2

不要使用\s+，可以使用\b 单词边界来匹配组中的任何单词，所以你的正则表达式应该看起来像这样：

\\b(ACCEPT|...|WHEN)\\b

输出

------------------------------------
ELSE
(ELSE)
MOVE
(MOVE)
COMPUTE
(COMPUTE)
------------------------------------

- Youcef LAIDANI

Answer 3

为了打印整个匹配，而不是使用myStr.substring(m.start(), m.end())，您可以使用m.group(0)或m.group()（两者相同，因为group()返回group(0)的结果）。此外，为了查看整个匹配，请将其用字符[]括起来（就像您对group(1)所做的那样）。

因此，不是使用

System.out.println(myStr.substring(m.start(),m.end()));

使用。

System.out.println("["+m.group()+"]");

并且你会发现你正在匹配的是[ ELSE ]和[ COMPUTE ]。正如你所看到的，你还在匹配搜索标记后所有可能的空格。但由于你的正则表达式需要至少从一个空格开始匹配，因此[MOVE ]无法匹配，因为没有未匹配的空格留给它。为了解决这个问题，您可以使用环视机制，它是零长度的（它不消耗匹配部分）。

因此，您可以将\\s+(...)\\s+重写为

(?<=\\s)(...)(?=\\s)

但问题在于您的令牌也需要被空格包围，因此您将无法找到放置在字符串开头或结尾的匹配项。其中一种解决方案可能是 \ b，它是{{link1：单词边界}}。 它表示位置，可以是字符串的开头/结尾，也可以位于 [a-zA-Z0-9_] 和任何非 [a-zA-Z0-9_] 字符之间，但这也表示字母字符和 - 之间的位置，因此如果您有 IF-ELSE ，即使您希望将其视为不匹配（...）部分令牌中描述的任何令牌的单个令牌，它也会单独查找 IF 和 ELSE 。

另一种解决方案是除了接受空格之外，还接受字符串的开头和结尾，分别由^和$表示（更多信息请参见：http://www.regular-expressions.info/anchors.html）。在这种情况下，您的解决方案可能如下所示：

(?<=\\s|^)(...)(?=\\s|$)

---

顺便说一句，通常我们会避免编写类似于(A|AB)的情况，因为如果A足以匹配整个正则表达式（取决于其余部分的样式），那么AB将不会被测试。因此，如果您有像(A|AB)这样的正则表达式，那么对于字符串AAB，您将找到两个匹配项，它们将是A和A，而不是A和AB。这就是为什么我们通常尝试从最具体到不太具体的方式编写它，例如(AB|A)（或在文字字面量的情况下，可以根据其长度进行排序）。

- Pshemo