Java正则表达式来查找特定长度的多行

我试图使用Java正则表达式来匹配跨多行的模式。该模式有一行以“A”开头，后跟50个字符，然后有一行或多行以“B”开头，后跟50个字符：

A...    //  exactly 50 chars after the A
B...
B...

然而，Java正则表达式似乎不支持这一点

下面是一个适用于一个a和一个B行的regexp：

A.{50}[\\n[\\n\\r]]B.{50}[\\n[\\n\\r]]

这里修改了相同的regexp以查找一个或多个B行：

A.{50}[\\n[\\n\\r]][B.{50}[\\n[\\n\\r]]]+

但是，此regexp仅在第一个B行上查找前导B字符

我使用

[\\n[\\r\\n]]

处理DOS和UNIX换行符。启用多行模式不会影响结果

问题似乎是当我使用带“+”的括号将B行的regexp转换为可以捕获多行的字符类时

---

Java正则表达式中是否有不允许“.”字符或大括号指定精确行长的内容？

要处理Unix和Dos样式的换行符，可以使用：

\\r?\\n

另外，您对一行或多行

B

进行分组的方式不正确，您正在使用

[]

进行分组，您应该使用

（？：）

试试这个正则表达式：

A.{50}\\r?\\n(?:B.{50}(?:\\r?\\n)?)+

---

在以下正则表达式中：

(A[^\r\n]{50}(\r\n|\n))(B[^\r\n]{50}(\r\n|\n))+

我使用

[^\r\n]

匹配任何不是

\r

或

\n

的字符。例如，如果您有数字，可以将其替换为

[\d]

看

在本例中，正则表达式匹配除最后一行之外的所有行。

这应该可以：

String input = "A1234567890\nA12345678\nA12345678\nB12345678\nA123456\nA1234567\nZA12345678\nB12345678\nA12345678\nB12345678\nB12345678\nB12345678\nB1234567\nA12345678\nB12345678";

String regex = "^A.{8}$((\\r|\\r\\n|\\n)^B.{8}$)+(\\r|\\r\\n|\\n|\\z)";

Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
Matcher matcher = pattern.matcher(input);

while (matcher.find()) {
System.out.println("matches from " + matcher.start() + " to " + matcher.end());
}

注:

使用

^

、

$

和

多行

避免与以“ZA”开头的行匹配

使用

（\\r | \\r\\n | \\n）

匹配unix、windows和旧的mac os线路

使用

（\\r | \\r\\n | \\n | \\z）

匹配最后一行没有行尾的B行

---

Opsss，我用

8

代替

50

来增加可读性。

点和花括号很好；你剩下的正则表达式都错了。看看这个：

Pattern p = Pattern.compile("^A.{50}(?:(?:\r\n|[\r\n])B.{50})+$");

（？：\r\n |[\r\n]）

匹配CRLF序列、仅CR序列或仅LF序列。（我本可以像你一样使用两个反斜杠，但这也行）

---

如果使用正则表达式从一些较大的文本中提取匹配项，则需要以多行模式编译它，以便

^

和

$

锚定可以在行边界处匹配。如果要匹配整个字符串，请将其保留为默认模式，以便它们仅在字符串的开头和结尾匹配。

匹配换行符序列的正确方法是：

"(?:(?>\\u000D\\u000A)|[\\u000A\\u000B\\u000C\\u000D\\u0085\\u2028\\u2029)"

当然，这是用Java的Slackbash字符串表示法，就像您可能传递到

Pattern.compile

一样。更合理的语言让您只需满足以下要求：

(?:(?>\x0D\x0A)|\v)

但是，Java的正则表达式从来都不是那么合理，即使是这样，对Java来说，这也是一种严重的轻描淡写。Java只是它的正则表达式的无数麻烦点之一

祝你好运：你会需要它的。☹

这也应该有效：

Pattern regex = Pattern.compile("^A.{50}$\\s+(?:^B.{50}$\\s*)+(?:^|\\z)", Pattern.MULTILINE);

这背后的原因是，

^

在行首匹配，

$

在行尾（可选）换行符之前匹配，

\s

匹配包含

\r

和

\n

的空格。因为我们在

$

和

^

之间使用它，所以它只能匹配换行符，不能匹配其他空格

---

（？：^ | \\z）

用于确保在最后一次重复

B

行之后，不会意外地匹配行中的任何前导空格。如果行从不以空格开头，则可以删除此位。

有一行A在“A”之后有50个字符，然后有多行B在“B”之后有50个字符。stackoverflow没有保留我上面显示的A行和B行之间的换行符。只是为了它，因为你发布了一个ruby版本。这是一个很棒的正则表达式测试程序的python版本。不，第一行是一个不匹配行的示例。