Java 使用正则表达式从代码语句中提取变量

我试图从代码语句和“if”条件中提取变量。我有一个正则表达式，但是

mymatcher.find（）

不会返回任何匹配的值。 我不知道怎么了

这是我的密码：

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

public class test {
    public static void main(String[] args) {
        String test="x=y+z/n-10+my5th_integer+201";
        Pattern mypattern = Pattern.compile("^[a-zA-Z_$][a-zA-Z_$0-9]*$");
        Matcher mymatcher = mypattern.matcher(test);    
        while (mymatcher.find()) {
            String find = mymatcher.group(1) ;
            System.out.println("variable:" + find);
        }
    }
}

---

您需要删除分别在字符串开头和结尾声明位置的

^

和

$

锚，并使用

mymatcher.group（0）

而不是

mymatcher.group（1）

，因为您的正则表达式中没有任何捕获组：

String test="x=y+z/n-10+my5th_integer+201";
Pattern mypattern = Pattern.compile("[a-zA-Z_$][a-zA-Z_$0-9]*");
Matcher mymatcher = mypattern.matcher(test);    
while (mymatcher.find()) {
    String find = mymatcher.group(0) ;
    System.out.println("variable:" + find);
}

看，结果是：

variable:x
variable:y
variable:z
variable:n
variable:my5th_integer

---

通常只使用正则表达式处理源代码会失败。

如果您只想挑选标识符（我们将在下面进一步讨论变量），那么您就有机会使用正则表达式（毕竟，这就是lexer的构建方式）

但是你可能需要一个比你现在拥有的更复杂的版本，即使有其他作者建议的修改

第一个问题是，如果您允许使用任意语句，它们通常具有看起来像标识符的关键字。在您的特定示例中，“if”看起来像一个标识符。因此，您的匹配器要么必须识别类似于子字符串的标识符，然后减去已知的关键字，要么正则表达式本身必须表示标识符具有基本形状，但不能看起来像特定的关键字列表。（后者称为减法正则表达式，在大多数正则表达式引擎中找不到。它看起来像：

 [a-zA-Z_$][a-zA-Z_$0-9]* - (if | else | class | ... )

我们的DMS词法生成器[见我的简历]有减法正则表达式，因为这在语言词法分析中非常有用）

如果“关键字”不总是关键字，这会变得更复杂，也就是说， 它们只能是特定上下文中的关键字。Java“关键字”枚举就是这样的：如果在类型上下文中使用它，它就是一个关键字；否则它是一个标识符；C#类似。现在唯一知道的方法 如果一个声称的标识符是一个关键字，那么它将实际解析代码（这就是您检测控制其关键字的上下文的方式）

接下来，Java中的标识符允许使用各种Unicode字符（拉丁语、俄语、汉语等）。regexp可以识别这些字符，它比您提出的简单的“a-Z”样式大得多

对于Java，您需要防范包含变量名的字符串文本。考虑（有趣但有效的）陈述：

a =  "x=y+z/n-10+my5th_integer+201";

\u0061 = \u0062; //  means  "a=b;"

a  = $"x+{y*$"z=${c /* p=q */}"[2]}*q" + b;

这里只有一个标识符。注释也会出现类似的问题 包含类似于语句的内容：

/* Tricky:
   a =  "x=y+z/n-10+my5th_integer+201";
*/

对于Java，您也需要担心Unicode转义。考虑这个有效的java语句：

a =  "x=y+z/n-10+my5th_integer+201";

\u0061 = \u0062; //  means  "a=b;"

a  = $"x+{y*$"z=${c /* p=q */}"[2]}*q" + b;

或更恶劣：

a\u006bc = 1; //  means "akc=1;" not "abc=1;"!

如果没有Unicode字符解码，您甚至可能 注意一个字符串。以下是上述的一个变体：

a =  \u0042x=y+z/n-10+my5th_integer+201";

要正确提取标识符，您需要构建（或使用）完整Java lexer的等价物，而不仅仅是简单的正则表达式匹配

如果你不在乎大多数时候是对的，你可以试试你的正则表达式。通常应用于源代码解析的正则表达式的结果很糟糕，部分原因是上述问题（例如，过于简化）

您很幸运，因为您正在尝试为Java做一些事情。如果必须为C#语言（一种非常类似的语言）执行此操作，则必须处理插值字符串，这允许字符串中包含表达式。表达式本身可以包含字符串。。。它的乌龟一路下来。考虑C（6）语句：

a =  "x=y+z/n-10+my5th_integer+201";

\u0061 = \u0062; //  means  "a=b;"

a  = $"x+{y*$"z=${c /* p=q */}"[2]}*q" + b;

它包含标识符a、b、c和y。其他每一个“标识符”实际上只是一个字符串或注释字符。PHP具有类似的插值字符串

要从中提取标识符，您需要一个能够理解字符串元素嵌套的工具。词法分析器通常不做递归（我们的DMS词法分析器处理这个问题，正是因为这个原因），所以要正确处理这个问题，通常需要一个解析器，或者至少需要一些跟踪嵌套的东西

还有一个问题：是否只提取变量名？ 如果标识符表示方法、类型、类或包，该怎么办？ 如果没有完整的解析器和完整的Java名称和类型解析，您就无法理解这一点，您必须在找到该语句的上下文中完成这一点。你会惊讶于需要多少代码才能做到这一点

所以，如果你的目标很简单，你不在乎它是否能解决这些复杂问题，你可以用一个简单的正则表达式来挑选一些东西 看起来像是标识符

如果您想很好地使用它（例如，在某些生产代码中使用它），那么单个正则表达式将是一场灾难。你将用一生的时间向用户解释他们无法键入的内容，而这永远不会起作用

---

摘要：由于所有的复杂性，通常只使用正则表达式处理源代码都会失败。人们不断地重新吸取教训。词法生成器广泛应用于语言处理工具中，这是一个关键原因。

字符串中的第二个字符是

=

，但您的正则表达式不允许任何

=

。你的正则表达式也没有任何组。我不知道“=”将如何影响正则表达式，因为我对正则表达式是全新的。我使用了.start（）和.end（），但也不起作用，在这个例子中，我希望x、y、z、n和my5th_整数是结果，因为它们是变量。这是一个很好的解释，您肯定是对的，但出于我的目的，我只需要上面的正则表达式，因为我正在对伪代码进行数据流分析，我只需要提取变量名称，我唯一关心的关键字是：if、else、elseif、true和false，这样我就可以轻松地处理它们了。你说的是Java:}如果你想进行数据流分析（不清楚这在psuedocode中有什么用处），你仍然需要解析和进行名称解析。请参阅我关于“解析后的生活”的文章（谷歌或via bio）。从根本上说，我们回到了“你打算制造一个玩具（用于教育目的）”，这意味着只要你明白你在作弊，任何作弊都是可以的，或者