如何在Java中获取重叠的正则表达式匹配？

Question

例如，使用该模式：

[a-z]{2}

在字符串bcd中，唯一的匹配项是[bc]。相反，我想得到[bc, cd]。

- Carlos Roldán

---

注意：目前没有一种方法（据我所知）可以获取所有可以从相同索引开始的匹配项。例如，对于字符串aaa和正则表达式a*，在索引0处可能有4个匹配项。Marko Topolnik的答案涵盖了您想要在每个索引处最多获取1个匹配项的情况。 - nhahtdh

Answer 1

重复使用Matcher.find(int start)和Matcher.start()，以找出下一个要查找的字符串索引。

String haystack="bcd";
Matcher m = pattern.matcher(haystack);
int lookIndex=0;
while(lookIndex < haystack.length() && m.find(lookIndex)) {
    lookIndex=m.start()+1;
    System.out.println("Found " + m.group());
}

- escitalopram

---

这确实是一种解决方案，但当模式可以匹配空字符串时，您必须小心... - nhahtdh

现在已进行了调整，以避免OutOfBoundsException。同时还成功地测试了其模式匹配空字符串的功能。 - escitalopram

Answer 2

您可以使用涉及捕获组的前瞻来实现此操作：

(?=([a-z]{2})).

您需要一个循环，其中涉及Matcher.find并且每次使用group(1)查询匹配器以获取您的匹配项。主要正则表达式匹配本身是无关紧要的，应该被忽略。

- Marko Topolnik

---

你为什么需要前瞻？句末的 . 不会防止匹配只包含最后一个字符的情况吗？ - escitalopram

“而且，句末的点号不会防止只由最后一个字符组成的匹配吗？” 不会。但它确实可以防止空匹配（如果我们使用可以匹配空字符串的模式）。预查是一种简洁的方法来解决这个问题，你不必关心边界情况。 - nhahtdh

@escitalopram 我还没有尝试过这个，所以我保守地在那里加了一个点。我认为整个程序即使没有点也能正常工作。 - Marko Topolnik