Java 捕获组仅返回每个组的最后一次出现

我有这样的字符串：

String s = "word=PS1,p1,p2,p3=q1,q2|word2=PS3,p4,p5,p6=q3";

String s2 = "word3=PS2,p7,p8=q4,q5,q6|=PS3,p9=";

String s3 = "=PS3=";

或者像这样：

String s = "word=PS1,p1,p2,p3=q1,q2|word2=PS3,p4,p5,p6=q3";

String s2 = "word3=PS2,p7,p8=q4,q5,q6|=PS3,p9=";

String s3 = "=PS3=";

或者像这样：

String s = "word=PS1,p1,p2,p3=q1,q2|word2=PS3,p4,p5,p6=q3";

String s2 = "word3=PS2,p7,p8=q4,q5,q6|=PS3,p9=";

String s3 = "=PS3=";

所以，在形式上，字符串包含字典中的一些单词定义，由“|”符号分隔

在这里：

• 单词-字典中的单词（可选，如S2或S3）

• PS1、PS2、PS3-词性标签（必需）

• p1，p2，…-一些参数（可选）

• 第一季度、第二季度、第三季度其他一些参数（也是可选的）

我想构建regex，它在文本中查找所有出现的此类字符串，并为我提供组：

• 第1组-单词
• 组2-词性标记
• 第三组，第四组，…-参数p
• 组（k），组（k+1），…-其他参数（q）

我不关心最后一个p参数和第一个q参数的组的索引。我应该知道，第一组是单词（可能为空），第二组是词性，其他组是参数p和q

现在我有了这样的正则表达式：

"([a-z]*)?=([A-Z]+)(,?[a-z]+)*=(,?[a-z]+)*")

但它不能正常工作。它只显示最后的参数p和q。即（对于S2）：

• group1=word3-正常
• 组2=PS2-正常
• 组3=p8-不正常（仅最后一个p参数）
• 组4=q6-不正常（也是最后一个q参数）

你能帮我吗

更新： “=”-仅字符p参数和q参数之间的拆分字符。这在我的问题上没有必要。你应该认为，p参数和q参数没有区别

实际输入示例：

String s = "bread=NOUN,plur,link=form|=VERB="

---

当我遇到这样的问题时，我会查看量词上的修饰词。您可能希望某些量词被修改为贪婪的，例如

（，？[a-z]+）+*

---

上面的区别在于，最后的零或更多量词现在尽可能地抓住了。这只是一个例子，我完全不确定那个特定的修饰符是否是您所需要的，但是，考虑到您的表达式按照您报告的方式工作，这些修饰符很可能会在剩下的过程中得到它。

当我遇到这样的问题时，我会查看量词上的修饰符。您可能希望某些量词被修改为贪婪的，例如

（，？[a-z]+）+*

---

上面的区别在于，最后的零或更多量词现在尽可能地抓住了。这只是一个例子，我不确定这个特定的修饰符是否是您所需要的，但是，考虑到您的表达式是按照您报告的方式工作的，这些修饰符很可能会在接下来的过程中得到它。

在正则表达式中不能有数量可变的捕获组。在.Net中，每个组可以有多个捕获，但在Java中不能。您的问题是，正则表达式引擎只存储每个组的最后一次成功匹配。你能做的最好的事情就是把所有的p和q参数匹配成两大组，然后把它们分开

Pattern pattern1 = Pattern.compile(
    "([^|=,]*)" +                // Group 1: The word. Zero or more characters.
    "=([^|=,]*)" +               // Group 2: The part of speech.
    ",?([^|=,]*(?:,[^|=,]*)*)" + // Group 3: The p-params
    "=([^|=,]*(?:,[^|=,]*)*)"    // Group 4: The q-params
);
Matcher matcher = pattern1.matcher("word=PS1,p1,p2,p3=q1,q2|word2=PS3,p4,p5,p6=q3");
while (matcher.find()) {
  String word = matcher.group(1);
  String partOfSpeech = matcher.group(2);
  String pParamString = matcher.group(3);
  String qParamString = matcher.group(4);
  String[] pParams = pParamString.split(",");
  String[] qParams = qParamString.split(",");
  // Do something with the above variables...
}

---

我使用了

[^ |=，]*

来匹配任何非特殊字符。

在正则表达式中不能有可变数量的捕获组。在.Net中，每个组可以有多个捕获，但在Java中不能。您的问题是，正则表达式引擎只存储每个组的最后一次成功匹配。你能做的最好的事情就是把所有的p和q参数匹配成两大组，然后把它们分开

Pattern pattern1 = Pattern.compile(
    "([^|=,]*)" +                // Group 1: The word. Zero or more characters.
    "=([^|=,]*)" +               // Group 2: The part of speech.
    ",?([^|=,]*(?:,[^|=,]*)*)" + // Group 3: The p-params
    "=([^|=,]*(?:,[^|=,]*)*)"    // Group 4: The q-params
);
Matcher matcher = pattern1.matcher("word=PS1,p1,p2,p3=q1,q2|word2=PS3,p4,p5,p6=q3");
while (matcher.find()) {
  String word = matcher.group(1);
  String partOfSpeech = matcher.group(2);
  String pParamString = matcher.group(3);
  String qParamString = matcher.group(4);
  String[] pParams = pParamString.split(",");
  String[] qParams = qParamString.split(",");
  // Do something with the above variables...
}

---

我使用

[^ |=，]*

来匹配任何非特殊字符。

我假设

word3=PS2，p7，p8=q4，q5，q6 |=PS3，p9=

不是一个真实的输入示例。你能提供一个实际输入的例子吗。另外，我对

=

符号的使用有些困惑。例如，作为本例中的尾随字符。我假设

word3=PS2，p7，p8=q4，q5，q6 |=PS3，p9=

不是输入的真实示例。你能提供一个实际输入的例子吗。另外，我对

=

符号的使用有些困惑。例如，作为本例中的尾随字符。谢谢！我使用了相同的解决方案）谢谢！我使用了相同的解决方案）