Java 将正则表达式应用于SAX流

有人知道一个好的Java流式正则表达式解析器吗

特别是，我希望能够通过监视XML元素流的内容，并检测内容是否与给定的正则表达式匹配，以及在何处匹配。例如，我希望通过查看MediaWiki元素流内容中的SAX字符回调，但检测匹配==[^=\n]+==的子字符串何时出现

诀窍在于内容以不确定大小的块形式出现，这意味着匹配的子字符串可能会在多个回调中被破坏

当然，简单的解决方案是简单地缓冲所有回调，并在长字符串上运行Java内置的regexp引擎。不幸的是，这占用了太多的内存

复杂性的下一步是将regexp转换为DFA，并检测DFA何时进入接受状态。我想知道是否有人知道是否有一些Java库可以简化这个过程

---

我一直在看拉格尔；但这需要在编译时指定DFA。

缓冲这些回调，每次关闭标记时检查regexp，丢弃缓冲区

在这种情况下，Matcher的可能有用：

当此方法返回true时，可能更多的输入会更改上次搜索的结果

您可以尝试匹配每个区块，如果没有匹配，但hitEnd返回true，则必须追加下一个区块，然后重试

---

如果匹配器以某种方式也返回了可能的起始索引，那就太好了，但这似乎是不可能的

在您的示例中，这样的匹配子字符串只跨一行，缓冲最后一行或几行有什么问题？我不能依赖于行的长度是否合理。一些数据集被长串的垃圾破坏了。恶意破坏检测应该不太难，但我想我应该花几分钟研究一下这种方法。有些标签包含数百兆字节的数据。