Java正则表达式匹配Markdown语法中的标题格式

Question

我有一个包含Markdown语法的字符串，我想找到标题的Markdown语法，例如h1=#，h2=##等等。

我知道每当我找到一个标题时，它都在行的开头。我还知道每行只能有一个标题。例如，“###这是一个标题”将匹配我的h3模式，但不会匹配我的h2或h1模式。这是我目前的代码：

h1 = Pattern.compile("(?<!\\#)^\\#(\\b)*");
h2 = Pattern.compile("(?<!\\#)^\\#{2}(\\b)*");
h3 = Pattern.compile("(?<!\\#)^\\#{3}(\\b)*");
h4 = Pattern.compile("(?<!\\#)^\\#{4}(\\b)*");
h5 = Pattern.compile("(?<!\\#)^\\#{5}(\\b)*");
h6 = Pattern.compile("(?<!\\#)^\\#{6}(\\b)*");

每当我使用\\#时，我的编译器（IntelliJ）会告诉我：“冗余字符转义”。只要我使用\\#它就会这样做。据我所知，在正则表达式中，#不应该是一个特殊字符，因此用两个反斜杠来转义它应该允许我使用它。

当我找到匹配项时，我想用粗体HTML标签把整个匹配项括起来，就像这样："###标题"，但出于某种原因它不起作用。

//check for heading 6
Matcher match = h6.matcher(tmp);
StringBuffer sb = new StringBuffer();
while (match.find()) {
    match.appendReplacement(sb, "<b>" + match.group(0) + "</b>");
}
match.appendTail(sb);
tmp = sb.toString();

编辑

所以我必须单独查看每个标题，不能以相同的方式查看标题1-6（这与我程序的其他部分使用相同的模式有关）。 我现在知道的是：

• 如果字符串中有标题，则它位于开头。
• 如果以标题开头，则其后跟的整个字符串都被视为标题，直到用户按Enter键。
• 如果我有“## 这是一个标题”，则对于h2必须匹配true，但对于h1必须匹配false。
• 当我找到匹配项时，此“## 这是一个标题”变为“## 这是一个标题”。

- Kaffemakarn

---

你无需转义 #。在这里甚至不需要使用 Matcher#appendReplacement。你可以使用 "(?<!#)#{6}\\b"，然后使用简单的 tmp = tmp.replaceAll("(?<!#)#{6}\\b", "<b>$0</b>")。 - Wiktor Stribiżew

@WiktorStribiżew 我尝试了你的解决方案，但问题是匹配只返回#:s，而不是其后跟随的文本。 - Kaffemakarn

如果您需要匹配以#序列开头的行，请参考我的更新答案。始终将新细节添加到问题本身，而不仅仅是评论中。 - Wiktor Stribiżew

@WiktorStribiżew 对不起，我有点新手。现在正在查看您的答案。另外，问题已经更新 :) - Kaffemakarn

很好，我点赞了它，因为这是一个很好的问题，展示了努力。现在，它真的更清晰了。 - Wiktor Stribiżew

Answer 1

没有必要转义#，因为它不是特殊的正则表达式元字符。另外，^是字符串的开始，所以你模式中的所有回顾都是多余的，因为它们总是返回true(因为在字符串开头之前没有字符)。

您似乎想匹配一个单词字符前指定数量的#。使用

String s = "###### Heading6 Something here\r\n" +
           "###### More text \r\n" +
          "###Heading 3 text";
Matcher m = Pattern.compile("(?m)^#{6}(?!#)(.*)").matcher(s);
String result = m.replaceAll("<b>$1</b>");
System.out.println(result);

请查看Java演示

结果:

<b> Heading6 Something here</b>
<b> More text </b>
###Heading 3 text

细节:

• (?m) - 现在，^ 匹配行的开头
• ^ - 行的开头
• #{6}(?!#) - 恰好 6 个 # 符号
• (.*) - 第一组: 到行末之前的除换行符外的0个或多个字符。

因此，你的正则表达式定义将如下所示：

h1 = Pattern.compile("(?m)^#(?!#)(.*)");
h2 = Pattern.compile("(?m)^#{2}(?!#)(.*)");
h3 = Pattern.compile("(?m)^#{3}(?!#)(.*)");
h4 = Pattern.compile("(?m)^#{4}(?!#)(.*)");
h5 = Pattern.compile("(?m)^#{5}(?!#)(.*)");
h6 = Pattern.compile("(?m)^#{6}(?!#)(.*)");

- Wiktor Stribiżew

---

我尝试了你的解决方案，它非常好用！非常感谢你，真的很感激。 :-) - Kaffemakarn

Answer 2

你可以尝试使用 这个 工具：

^(#{1,6}\s*[\S]+)

正如您所提到的，标题只出现在一行的开头，因此您不需要查看之前的内容。

更新： 如果您想要将以标题开头的整行加粗，您可以尝试以下方法：

^(#{1,6}.*)

并替换为：

<b>$1</b>

正则表达式演示

Java示例源代码：

final String regex = "^(#{1,6}\\s*[\\S]+)";
final String string = "#heading 1 \n"
     + "bla bla bla\n"
     + "### heading 3 djdjdj\n"
     + "bla bla bla\n"
     + "## heading 2 bal;kasddfas\n"
     + "fbla bla bla";
final String subst = "<b>$1</b>";
final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
final Matcher matcher = pattern.matcher(string);
final String result = matcher.replaceAll(subst);
System.out.println(result);

运行Java源代码

- Mustofa Rizwan

---

谢谢！唯一的问题是标题可能不止一个单词，我想我需要检查#:s，然后获取其后的所有文本，直到结尾。您有什么建议可以调整您的解决方案吗？我想也许是\b，但那只给了我#:s。 - Kaffemakarn

你想要完整的那一行吗？ - Mustofa Rizwan

是的，如果写了一个#，那么接下来的所有内容都将被包含在标题中，直到用户按下回车键。 - Kaffemakarn

你的解决方案非常好。我的问题是我必须为每个标题（h1，h2...）进行单独的检查，因为我在程序的其他部分中使用该模式，所以这样做更容易。现在，如果我有“## 这里有一些文本”，它会对h1和h2都匹配为true，但只有h2应该是true。我正在基于你的解决方案构建，但还没有达到我想要的效果。 - Kaffemakarn

@Kaffemakarn：如果你想将整行加粗 是否正确？请在问题中添加细节。 - Wiktor Stribiżew