如何在 java 正则表达式中使用贪婪量词 X* 时保留 X 的所有出现次数

Question

我有一个正则表达式，用于查找字符串内<>之间的逗号分隔单词列表的匹配项，如示例中的"Hello <a1> sqjsjqk <b1,b2> dsjkfjkdsf <c1,c2,c3> ffsd"

我想使用捕获组来保留大括号之间的每个单词：

这是我的表达式：< (w+) (?: ,(w+) )* >（添加空格是为了可读性，但不是模式的一部分）

括号用于创建捕获组，(?: )用于创建非捕获组，因为我不想保留昏迷。

这是我的测试代码：

@Test
public void test() {
    String patternString = "<(\w+)(?:,(\w+))*>";
    Pattern pattern = Pattern.compile(patternString);
    Matcher matcher = pattern.matcher("Hello <a1> sqjsjqk <b1,b2> dsjkfjkdsf <c1,c2,c3> ffsd");
    while(matcher.find()) {
        System.out.println("== Match ==");
        MatchResult matchResult = matcher.toMatchResult();
        for(int i = 0; i < matchResult.groupCount(); i++) {
            System.out.println("  " + matchResult.group(i + 1));
        }
    }
}

这是生成的输出：

== Match ==
  a1
  null
== Match ==
  b1
  b2
== Match ==
  c1
  c3

这就是我想要的：

== Match ==
  a1
== Match ==
  b1
  b2
== Match ==
  c1
  c2
  c3

由此我了解到，我的表达式中的组数与捕获组的数量正好一样多，但这不是我想要的，因为我需要所有被识别为w+的子字符串

有没有机会用一个正则表达式得到我想要的东西，或者我应该用split(",")、trim()等来完成这项工作......

Answer 1

据我所知，.NET 拥有唯一的正则表达式引擎，可以为单个捕获组返回多个捕获。所以你所要求的在Java中是不可能的（至少不是你要求的方式）。

但是，在您

的情况下，可以在一定程度上解决此问题。如果你能确定永远不会有不匹配的收盘>，你可以做出你想要捕捉完整匹配的东西，并通过前瞻要求正确的位置：

"\w+(?=(?:,\w+)*>)"

这永远无法匹配<...>之外的"单词"，因为它们无法通过开场<来匹配结束>。当然，这使得很难区分来自不同<...>集的元素。

或者（我想这更好，因为它更安全，更具可读性），选择两步算法。第一场比赛

"<([\w,]*)>"

然后在, split每个结果的第一次捕获。