Java正则表达式和替换出现问题

Question

我在获取正则表达式时遇到问题。我正在尝试为某些XML标记解析一个大的多行文本块。然而，我之所以不使用XML库来解析它，是因为它实际上也是ESQL块的一部分。我使用的线路如下：

Pattern.compile(".*'(Invoice|Package|Mapping|Post)' AS STAGE.*(<(ESQL|ProcessInvoice)>.+)</(ESQL|ProcessInvoice)>).*", Pattern.DOTALL);

我的问题实际上有两个方面：

1. (Invoice|Package|Mapping|Post)部分仅与Invoice匹配，除非我从列表中删除Invoice。然后它只匹配映射。让我感到奇怪的是，Package位于文本块的中间（这些块在文本文件中按Invoice, Package, Mapping, Post排序，Post是可选的，所以它甚至可能不在那里），而映射则位于末尾。

2. <(ESQL|ProcessInvoice)>部分实际上取ProcessInvoice块（最后一个块，最后经过三个<ESQL>块）。如果我去掉(ESQL|ProcessInvoice)部分，只把它做成<ESQL>，奇怪的是，它会再次占用Package块，而不是发票的第一个块。这仍然是一个问题，即使我将其缩减为以前的四个部分之一（因此，只有Invoice），任何地方都没有替换。它将跳过第一节，进入第二节。

我承认我不是正则表达式专家，但这似乎是一种相当奇怪的行为。在Matcher上调用.reset（）也不会使其识别早期的块，并且.find（）只定位一个匹配，而不是遍历所有可能的匹配。

---附录---示例输入如下（针对内容进行编辑）：

CREATE COMPUTE MODULE Module_Name
CREATE FUNCTION Main() RETURNS BOOLEAN
BEGIN       
    Header stuff,
    'Invoice' AS STAGE,
    Gibberish here
    '<Rule>
    <ESQL>
        ESQL Block 1
    </ESQL>
    <ESQL>
        ESQL Block 2
    </ESQL> 
    </Rule>' AS CONTENT);
    Header stuff,
    'Package' AS STAGE,
    Gibberish here
    '<Rule>
    <ESQL>
        ESQL Block 3
    </ESQL>
    </Rule>' AS CONTENT);
    Header stuff as well,
    'Mapping' AS STAGE,
    Gibberish here too
    '<ProcessInvoice>
        Another ESQL Block
    </ProcessInvoice>' AS CONTENT);
END;
END MODULE;

预期分组应（分别）为：

1. 发票
2. 包装
3. 映射

数据：

1. ESQL区块1ESQL区块2
2. ESQL区块3
3. 另一个ESQL块

我应该提到的是，我现在稍微修改了我的正则表达式，现在如下所示：

.*?'(Package|Invoice|Post)' AS STAGE.*?<Rule>(.+?)</Rule>.*?

这种交替现在似乎适用于四个可能的部分中的三个，但我相信我之前的部分问题是试图在另一个组中使用<(ESQL|ProcessInvoice)>。尝试不使用<Rule>(.+?)</Rule>.*?而只使用(<ESQL>.+?</ESQL>)现在不想工作。

Answer 1

我会将.*更改为.*?以使其不贪婪。这可能会对你有所帮助。

但实际上，您最好使用XML解析器。您说不能使用XML解析器，因为XML嵌入了其他文本中。然后，我建议您提取整个XML块（使用正则表达式或其他适当的方法），并将其放入XML解析器中。