Java 正则表达式，避免额外的零长度匹配

假设我有以下正则表达式；（我正在使用java.util.regex package.java版本1.7.0_21）

反复调用find（），我应该能够提取CSV中的字段，如下所示：

String myCSV = "a,b";

让我们用最简单的循环来尝试。只需回显每个匹配的信息

    Matcher m = p.matcher(myCSV);

    while (m.find()) {

        System.out.println("Match found from: " + m.start() 
                           + " (included) to: " + m.end()+ " (excluded),"
                           + " matching:  '" + m.group() + "'. Does it hit end?" + m.hitEnd());

    }

虽然我试图构造我的正则表达式，使其不允许零长度匹配，但令人惊讶的是，它确实做到了：

Match found from: 0 (included) to: 2 (excluded), matching:  'a,'. Does it hit end?false
Match found from: 2 (included) to: 3 (excluded), matching:  'b'. Does it hit end?true
Match found from: 3 (included) to: 3 (excluded), matching:  ''. Does it hit end?true

看看第三个匹配，在我看来不应该出现。实际上，我的正则表达式要求每个匹配都以（，|$）结尾。因此，第二个匹配需要到达并“使用”字符串的结尾，才能有效：它不会将其留给进一步的匹配
在第二场比赛刚结束的时候，这一点似乎就被证明是正确的

但是查找内部状态似乎没有考虑到这一点，该状态搜索进一步的匹配，在这一点上它显然找到了它，因为正则表达式允许零长度匹配，当后跟字符串结尾时，因为它是有效匹配，因为每个字段都允许为空字符串（如果不是这样，用+代替*显然可以解决问题）。
我要问两件事。
1） 此问题的修复方法

---

2） 它似乎两次匹配字符串结尾的原因我不确定原因，也许它从每个可能的起点（即从

b

和字符串结尾）查找匹配

但要解决这个问题，可以在正则表达式的开头添加另一部分，查找字符串的开头或逗号

比如：

“（，| ^）[^，]*（，|$）”

---

但是你需要从比赛中去掉多余的逗号，也许是捕获一组而不是整个比赛

---

例如，

“（，|^）（[^，]*）（，|$）”

然后使用

m.group（2）

似乎简单的解决方案是将正则表达式分成两部分

只要后面有

，

，它就可以接受空字符串

如果放在末尾，则不接受空的

非逗号
字符串的其他字符串

这似乎奏效了

Pattern p = Pattern.compile("\\G[^,]*,|\\G[^,]+$");

String myCSV = "a,,b";
Matcher m = p.matcher(myCSV);

while (m.find()) {
    System.out.println("Match found from: " + m.start()
            + " (included) to: " + m.end() + " (excluded),"
            + " matching:  '" + m.group() + "'. Does it hit end?"
            + m.hitEnd());
}

输出：

Match found from: 0 (included) to: 2 (excluded), matching:  'a,'. Does it hit end?false
Match found from: 2 (included) to: 3 (excluded), matching:  ','. Does it hit end?false
Match found from: 3 (included) to: 4 (excluded), matching:  'b'. Does it hit end?true

---

另一种更简单的方法是在每个逗号上使用

split

。如果您想同时拥有最后一个空字符串，您可以使用带负数限制的split，如

for(String token:"a,,b,".split(",",-1)){
    System.out.println("'"+token+"'");
}

另外，如果您想在令牌中包含逗号，可以使用查找机制在每个逗号后拆分

for(String token:"a,,b,".split("(?<=,)",-1)){
    System.out.println("'"+token+"'");
}

---

对于（字符串标记：“a，，b，”.split（（？您的第一个问题有几个可能的答案。一个是使用lookback来确保始终在行首或逗号之后开始匹配，如：

(?<=^|,)([^,]*)(?:,|$)

（？
请参见演示
可能是正则表达式解决方案-

 #  "(?:^|(?<=,))([^,]*)(?:,|$)"

 (?:
      ^ 
   |  (?<= , )
 )
 ( [^,]* )                          # (1)
 (?: , | $ )

#“（？：^ |）（？如果不需要将值作为匹配的一部分显示在
，
之后，则可以在开始时匹配到
（^ |，）
，而不是在结束时匹配到
（，|$）
，这将消除您的问题：

\G（^ |，）[^，]*

而不是

如果您正在处理同一字符串中的多行，请将行分隔符添加到被求反的类中。
未经测试：尝试
“\\G（（？=）[^，]）*，？”
（再次提醒我，
\\G
用于什么？），尝试
+？
”用于
不情愿的匹配。Java是“最有味道”的语言之一作者暗示：连续调用
find（）
将永远不会返回两个从同一位置开始的匹配项。通过反复试验，我得出了这个
（？：^|（？我拥有您最初拥有的内容，但后来我认为它可以接受非标准CSV格式，而无需在上一个匹配的末尾开始下一个匹配（即允许两个分隔符之间出现“垃圾”）.但现在我再仔细考虑一下，你是对的，它没有做任何事情，因为所有文本都是一个分隔符（即
，
）或者它是一个可接受的CSV值。我将更新答案。谢谢。我认为您匹配前导逗号的方法是正确的，但是您还必须删除匹配尾随逗号的部分。@Alan我明白您的意思，我没有理解
\G
-尽管我认为更好的方法是仍然匹配两个逗号，但删除e
\G
。
Pattern p = Pattern.compile("[^,]+(?=\\s*|\\s*$)");

 #  "(?:^|(?<=,))([^,]*)(?:,|$)"

 (?:
      ^ 
   |  (?<= , )
 )
 ( [^,]* )                          # (1)
 (?: , | $ )