Java正则表达式 - 重叠匹配

Question

在下面的代码中：

public static void main(String[] args) {
    List<String> allMatches = new ArrayList<String>();
    Matcher m = Pattern.compile("\\d+\\D+\\d+").matcher("2abc3abc4abc5");
    while (m.find()) {
        allMatches.add(m.group());
    }

    String[] res = allMatches.toArray(new String[0]);
    System.out.println(Arrays.toString(res));
}

结果是：

[2abc3, 4abc5]

我希望它变成这样

[2abc3, 3abc4, 4abc5]

如何实现？

- Evgeny

---

您需要从每个索引开始搜索；使用find（int startingIndex）方法并从每个字符位置开始搜索。当然，这样您可能会找到太多的匹配项...假设你想从每个数字开始，你可以尝试将Matcher.find（String.indexOf（digits，index））的迭代组合为所有匹配的索引。 - user1676075

我想如果它是个位数，你可以从匹配的起始位置往回找到下一个匹配。 - user1676075

对于输入的字符串 "12abc13abc14abc15", 你想要 [12abc13, 2abc13, 13abc14, 3abc14, 14abc15, 4abc15] 还是 [12abc13, 13abc14, 14abc15]？ - johnchen902

@johnchen902：后者。解决方案可以处理这个问题。 - Evgeny

Answer 1

让匹配器尝试从后面的\d+开始下一次扫描。

Matcher m = Pattern.compile("\\d+\\D+(\\d+)").matcher("2abc3abc4abc5");
if (m.find()) {
    do {
        allMatches.add(m.group());
    } while (m.find(m.start(1)));
}

- johnchen902

---

给前两位点赞的用户：普通版本存在一个bug，如果没有匹配项，则会抛出IllegalStateException。 - johnchen902

Answer 2

不确定在Java中是否可能，但是在PCRE中，您可以执行以下操作：
(?=(\d+\D+\d+)).

说明
技巧是在一个前瞻匹配组中使用匹配组，然后“吃掉”一个字符以向前移动。

• (?= ：正向前瞻的开始
  • ( ：开始匹配组1
    • \d+ ：匹配一个或多个数字
    • \D+ ：匹配一个或多个非数字字符
    • \d+ ：匹配一个或多个数字
  • ) ：结束组1
• ) ：结束前瞻
• . ：匹配任何字符，这是“向前移动”的意思。

在线演示

---

感谢Casimir et Hippolyte，它似乎真的在Java中有效。 您只需要添加反斜杠并显示第一个捕获组：(?=(\\d+\\D+\\d+)).。 在www.regexplanet.com上测试：

- HamZa

---

@anubhava：我已经测试过了，它运行良好，假设你添加反斜杠并显示第一个捕获组。downvoter：这里的负分没有意义。 - Casimir et Hippolyte

@anubhava 我知道，但我在这里进行了测试(http://www.regexplanet.com/advanced/java/index.html)，它是有效的(http://i.stack.imgur.com/kPa03.png)。 - HamZa

并不是完全有效的。使用 12abc13abc14abc15 作为输入，结果应该是 [12abc13, 13abc14, 14abc15]，而不是 [12abc13, 2abc13, 13abc14, 3abc14, 14abc15, 4abc15]。请参见我和 OP 在问题下面的评论。 - johnchen902

@johnchen902 йҮҚеҸ еҢ№й…ҚпјҒиҝҷе°ұжҳҜд»–дёҖејҖе§ӢжғіиҰҒзҡ„...еҰӮжһңдёҚжҳҜиҝҷз§Қжғ…еҶөпјҢйӮЈд№Ҳ(?=(\d+\D+\d+))\d+еҸҜд»Ҙе®ҢжҲҗд»»еҠЎгҖӮ - HamZa

如果你不想在结果中出现重叠的结果，那么你必须将模式替换为(?=((?<!\\d)\\d+\\D+\\d+))。 :) - Casimir et Hippolyte

Answer 3

HamZa提供的解决方案在Java中完美运行。如果您想在文本中查找特定模式，您只需要执行以下操作：

String regex = "\\d+\\D+\\d+";

String updatedRegex = "(?=(" + regex + ")).";

如果你想要重叠的匹配，你需要在正则表达式模式周围加上 (?=(" 在开始处和 ")). 在结尾处。

- Fluch