用Java匹配正则表达式组

我正试图通过使用组来拆分一行与regex的代码，但它并没有像我预期的那样工作。
例如，我想匹配以下行：

例1：

temp name（这是数据）

还有：

例2：

temp name（）

我使用了这个正则表达式：

[\s]*temp[\s]+[\s]*([A-Za-z]+)[\s]*[(]\s*(.*)+[)]\s*[{]\s*

这意味着：抓取以

temp

开头的任何内容，然后将“名称”放入第1组，然后抓取括号内的任何内容，将其放入第2组

但是，第2组始终为空

这是我获取数据的代码：

Pattern PATTERN = Pattern.compile("[\\s]*temp[\\s]+[\\s]*([A-Za-z]+)[\\s]*[(]\\s*(.*)+[)]\\s*");

Matcher m = PATTERN.matcher("temp name(this is the data)");
m.matches();
String name = m.group(1);
String data = m.group(2); // always empty

---

我做错了什么？

您的模式不匹配，因为它需要在末尾使用一个开放的花括号，但您的输入没有花括号

忽略这个小问题，主要问题是捕获组

（.*）+

之后的小

+

。加号需要一个或多个匹配项

*

，返回的组是许多匹配项中的最后一个。术语

*

是贪婪的，所以它会消耗掉括号内的所有东西。再次匹配的唯一方法是不消耗任何东西。所以第二组的最后一个匹配是空白的

要解决此问题，请删除组2后的

+

：

Pattern PATTERN = Pattern.compile("\\s*temp\\s+([A-Za-z]+)\\s*[(]\\s*(.*)[)]\\s*");

还要注意我是如何从正则表达式中删除其他不必要的字符的，例如单字符字符类-即

[\\s]

与

\s

相同。而

\\s+\\s*

与

\\s+

完全相同，因为

+

是贪婪的

---

我还删除了尾随的花括号，如果您的输入数据确实有它，您可以恢复它（您的问题显示输入了

“temp name（这是数据）”

，它没有尾随的花括号）。

[\s]

与

\s

[\s]+[\s]*

等同于

\s+

[（]

等同于

\（

（与

[）]

和

[}]

相同）

这将使您的regexp成为：

\s*temp\s+（[A-Za-z]+）\s*\（\s*（.*）+\）\s*{\s*

假设您确实想要匹配

临时名称（…）{

（您的regexp正在查找

{

，而在您的问题中您没有指定）：

（.*）+

是您的问题。您的意思是：“匹配任意数量（包括0个）的聊天参与者，并将其放入捕获组，至少重复一次”

默认情况下，Regexp是贪婪的（=它们消耗尽可能多），因此捕获组将首先包含两个括号内的所有内容，然后

+

将再次尝试匹配整个组，并将其与

“

（emtpy字符串）匹配因为这符合捕获组的模式。这将延长捕获组的有效期

---

您想要的是

\s*temp\s+（[A-Za-z]+）\s*（\s*（.*）\）\s*{\s*

您的正则表达式应该是：

Pattern pattern = Pattern.compile("\\s*temp\\s+([A-Za-z]+)\\s*[(]\\s*(.*)[)]\\s*");

您有

（.*）+

，这意味着一个或多个

*

匹配项。这将导致未捕获任何内容

测试：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Example {

    public static void main(String[] args) {

        Pattern pattern = Pattern.compile("\\s*temp\\s+([A-Za-z]+)\\s*[(]\\s*(.*)[)]\\s*");

        Matcher m = pattern.matcher("temp name(this is the data)");
        if(m.matches()) {
            System.out.println(m.group(1));
            System.out.println(m.group(2));
        }
    }
}

输出：

name
this is the data

---

获取空组的原因是，每次在（）之间放置某个内容时，即使它是嵌套的，也会创建多个捕获组

要使一个组不被捕获，您可以使用？：例如

（？：sometest（这是我们想要的值））

将只返回一个组，而

（sometest（这是我们想要的值））

将返回两个组

对于您特定的正则表达式，我已经对其进行了改进和简化，因为您有不需要的捕获组

简单解决方案：

\\s*temp\\s+（[A-Za-z]+）\\s*\\（\\s*（.*）\\\\\\s*\{\\s*

根据输入：

Ex. #1: temp name(this is the data) {
Ex. #2: temp name() {

$1=名称，$2=数据

请注意，您的正则表达式包含一个尾随的大括号。您可以修改正则表达式使其匹配，而不使用它，这将导致：

\\s*temp\\s+（[A-Za-z]+）\\s*\\（\\s*（.*）\\\\\\s*

---

Oh Foo.谢谢@SebastianProske-fixedIs为（and）创建数组而不是像这样简单地将它们作为单个字符转义有意义吗？

\\s*temp\\s+（[a-Za-z]+）\\s*\\（\\s*（.*）\\\\\\s*.\\\\\\s*

@yoseflow这是一种风格。

[（]

和

\\（

在效果和字符数上是等效的。如果长度不同，我更喜欢较短的，但因为它们是相同的，我打破了可读性上的限制。我个人觉得

[（]

更容易阅读。此外，一些字符在像这样“转义”时看起来很酷，例如

[*]

，这总是让我想起哈，实际上我也有同样的习惯，更喜欢括号而不是转义符，但我想知道这是否会对性能造成影响。@yosefrow性能会有一点影响，因为引擎必须处理大小为1的字符列表，而不是单个字符。我只是做了一些基准测试，然后在性能危急的情况下（如自动股票交易），在订单上使用字符类转义成本为50纳秒你可能会担心，但对于正常的商业情况，没有人会在意或注意到。但其他程序员将不得不阅读并可能调试你的正则表达式，因此可读性具有真正的商业价值。必须节省这些纳秒；）