Java 文本匹配时标识匹配的（子）正则表达式

在Java中匹配组时，是否有可能解析已识别的模式组名称

例如： 组合模式：

（？A\n）|（？B\n）|（？C\n）

节目：

Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(fromFile(logFilename));

// Find all matches
while (matcher.find()) {
    // should output e.g. A_Pattern
    System.out.println("Found pattern: " + matcher.groupName());
}

背景： 我正在开发一个程序，在日志文件中搜索正则表达式。这不是问题，但我有三个大问题：

• 巨大的日志文件：由于性能更好，文件应该只传递一次
• 用户应该能够输入多个模式，每个模式有一个名称（以标识名称）
• 模式匹配时：输出正则表达式名称

因此，我将模式（正则表达式）合并到一个表达式中，并尝试将名称添加为组名，但在Java中找不到解析已识别名称的选项

---

是否可以使用正则表达式组名或任何其他解决方案来实现这一点。组名只是一个尝试

如果知道子表达式不包含捕获组，则可以执行以下操作：

String regex = "(A\n)|(B\n)|(C\n)";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);

// Find all matches
while (matcher.find()) {
    if (matcher.group(1) != null)
        System.out.println("Found pattern A at index " + matcher.start(1));
    else if (matcher.group(2) != null)
        System.out.println("Found pattern B at index " + matcher.start(2));
    else
        System.out.println("Found pattern C at index " + matcher.start(3));
}

---

如果您有N个要匹配的模式，则允许模式包含捕获组，并且您需要知道哪个模式匹配，您可以按如下方式分配命名组：

String[] patterns = { "ABC", "D(EF)", "XYZ" };
String input = "Lorem ipsum DEF dolor sit ABC amet, XYZ consectetur DEF adipiscing elit";

String[] names = new String[patterns.length];
StringBuilder regex = new StringBuilder();
for (int i = 0; i < patterns.length; i++) {
    Pattern.compile(patterns[i]); // validate
    names[i] = "Pattern" + (i+1);
    if (i != 0)
        regex.append('|');
    regex.append("(?<").append(names[i]).append('>').append(patterns[i]).append(')');
}
Pattern pattern = Pattern.compile(regex.toString());

for (Matcher matcher = pattern.matcher(input); matcher.find(); )
    for (int i = 0; i < patterns.length; i++)
        if (matcher.start(names[i]) != -1) {
            System.out.println("Found " + names[i] +
                               " at index " + matcher.start(names[i]) +
                               ": " + matcher.group(names[i]));
            break;
        }

---

如您所见，匹配检测工作正常，即使第二种模式中有捕获组。

即使没有组名，不匹配的捕获组也会返回null，因此如果

（？：（a）|（B））

匹配，索引1或索引2都将返回null。我也有这个想法，但不幸的是，我不知道合并了多少次正则表达式。因此，我无法通过每个

匹配器->组（索引）

。或者我错过了什么？也不能告诉你组名是什么。您可以询问为已知组名捕获的值，但您必须知道名称。好的，谢谢-是否还有其他可能识别子正则表达式？问题：如果文件很大，则无法将整个文件加载到内存中，因此您不是一次只读取一行文件吗？谢谢您的评论，但不幸的是，我不知道这一点。他们应该能够有子捕获组。因此，我希望我可以给父组一个名称来识别它们：-/如果您分配名称，您可以这样做，因为这样您就知道名称，并且可以使用这里描述的相同方法，除了您可以调用

group（name1）

和

start（name1）

。或者对于多个名称，它们可能位于一个数组中：

group（name[i]）

和

start（name[i]）

，循环

i

，直到找到非空值。