java—从文件中读取字符串并将其转换为文本正则表达式

我有一段代码，其中我向hashmap插入了一个模式键和一个字符串标记：

while( (word = reservedWordsRead.readLine()) != null ) {
    String[] k = word.split(" ");
    infoList.put(Pattern.compile("^("+k[0]+")"), //lexeme
                        k[1]); //token
}

它读取的文件如下所示：

) rparen
( lparen

\\) rparen
\\( lparen

while( (word = reservedWordsRead.readLine()) != null ) {
    String[] k = word.split(" ");
    infoList.put(Pattern.compile("^("+Pattern.quote(k[0])+")"), //lexeme
                        k[1]); //token
}

但是括号无法识别，所以我修改了文件，使其看起来像这样：

) rparen
( lparen

\\) rparen
\\( lparen

while( (word = reservedWordsRead.readLine()) != null ) {
    String[] k = word.split(" ");
    infoList.put(Pattern.compile("^("+Pattern.quote(k[0])+")"), //lexeme
                        k[1]); //token
}

代码如下：

) rparen
( lparen

\\) rparen
\\( lparen

while( (word = reservedWordsRead.readLine()) != null ) {
    String[] k = word.split(" ");
    infoList.put(Pattern.compile("^("+Pattern.quote(k[0])+")"), //lexeme
                        k[1]); //token
}

但是我没有得到正确的输出。什么都不匹配。此外，rparen和lparen插入到hashmap中，因为我可以使用我的tokenizer（）方法打印以下内容：

这是我的标记器方法：

pattern: ^(\Q\\)\E), token: rparen
pattern: ^(\Q\\(\E), token: lparen

public void tokenize(String str) {
    String s = str.trim();
    tokenList.clear();

    while (!s.equals("")) {
        boolean match = false;
        for ( Entry<Pattern,String> thing: infoList.entrySet() ) {
            System.out.println("pattern: "+thing.getKey().toString()+", token: "+thing.getValue());
            Matcher m = thing.getKey().matcher(s);
            if (m.find()) {
                match = true;
                String tok = m.group().trim();
                s = m.replaceFirst("").trim();
                tokenList.put(tok,thing.getValue());
                break;
            }
        } if (!match) 
            throw new ParserException("Unexpected character in input: "+s);
    }
}

public void标记化（String str）{
字符串s=str.trim（）；
tokenList.clear（）；
而（！s.equals（“”）{
布尔匹配=假；
for（条目内容：infoList.entrySet（））{
println（“模式：+thing.getKey（）.toString（）+”，标记：+thing.getValue（））；
Matcher m=thing.getKey（）.Matcher；
if（m.find（））{
匹配=真；
字符串tok=m.group（）.trim（）；
s=m.replaceFirst（“”.trim（）；
tokenList.put（tok，thing.getValue（））；
打破
}
}如果（！匹配）
抛出新的ParserException（“输入中的意外字符：“+s”）；
}
}

---

我不确定我做错了什么。。非常感谢您的帮助：）

\）rparen

在文件中就像在java字符串中一样

“…\）…”

反斜杠必须加倍以表示反斜杠。这样就不需要

quote

，它也可以做得更具体一些。

如果要匹配精确的字符串，应该使用

Pattern.quote（）

遇到的问题是，您试图引用传递的字符串并转义括号，本质上是双重转义（让人想起HTML中的

&；amp；

）。虽然可以将所有特殊转义字符放入输入文件中，但为什么还要麻烦呢？让

Pattern

为您完成这项工作

这里有一个测试，我们尝试几个不同的输入，并尝试将它们转换为

模式

，就像您所做的那样

import java.util.regex.Pattern;
import java.util.regex.PatternSyntaxException;

public class RegexTest
{
    private static final String[] TESTS = {"a","(","\\(","\\\\(","[letters]"};

    public static void main(String[] args) {
        for(String test : TESTS) {
            examineRegex(test);
            System.out.println();
        }
    }

    public static void examineRegex(String match) {
        System.out.println("Testing "+match);
        String template = "^(%s)";
        String regex = String.format(template, match);
        examinePattern(match, regex);
        String quotedRegex = String.format(template, Pattern.quote(match));
        examinePattern(match, quotedRegex);
    }

    public static void examinePattern(String match, String regex) {
        try {
            Pattern pattern = Pattern.compile(regex);
            System.out.println("  Compiled:  "+pattern);
            System.out.println("  Match?:    "+pattern.matcher(match).matches());
        } catch (PatternSyntaxException e) {
            System.out.println("  Failed to compile: "+e.getMessage()
                .substring(0, e.getMessage().indexOf('\n')));
        }
    }
}

该程序的输出如下（注释内联）：

对于“普通”字符串的简单情况，原始方法和using

Pattern.quote（）

都有效。到目前为止还不错

Testing (
  Failed to compile: Unclosed group near index 4
  Compiled:  ^(\Q(\E)
  Match?:    true

但是如果我们传入一个构造，比如

（

），我们会得到一个错误，除非我们引用它

Testing \(
  Compiled:  ^(\()
  Match?:    false
  Compiled:  ^(\Q\(\E)
  Match?:    true

如果我们传入一个转义的构造，原始模式会成功编译，但与输入字符串不匹配。这不是世界末日——它会匹配

（

），但这是违反直觉的；它破坏了我们对传入的是我们匹配的东西的期望

Testing \\(
  Failed to compile: Unclosed group near index 6
  Compiled:  ^(\Q\\(\E)
  Match?:    true

现在，我们双重转义一个模式，就像试图将输入当作Java字符串一样。这表明，在试图准确确定需要转义多少时，可能会产生混淆

Testing [letters]
  Compiled:  ^([letters])
  Match?:    false
  Compiled:  ^(\Q[letters]\E)
  Match?:    true

最后，假设我们想要匹配一个字符串，它也是一个实际的正则表达式？它将成功编译，因此无法提醒我们该问题，但将无法匹配预期的字符串

正如您所看到的，

Pattern.quote（）

每次都有效，避免了将正则表达式的实现细节放入数据文件中。这样，您就可以从文本文件中隐藏匹配实际发生方式的实现细节，这种划分会产生健壮的代码

---

当然，如果文件中需要的是正则表达式列表，那么显然不希望使用

Pattern.quote（）

，而您需要让用户清楚地知道，输入需要是有效的Java正则表达式，并且提供糟糕的模式可能会导致潜在的混乱结果。

您能否向这位困惑不解的读者解释一下您所说的“它也做得更间接一点”是什么意思你可以自己做一个

System.out.println（Pattern.quote（“”）；

如果我做对了，它会给出

\Q（\E

。哇，这非常有用。我也不想在我的文件中列出正则表达式。谢谢。。