java - 使用同一组捕获 <thisPartOnly> 和 (thisPartOnly)

Question

假设我们有以下输入:

<amy>
(bob)
<carol)
(dean>

我们还有以下正则表达式:

<(\w+)>|\((\w+)\)

现在我们得到两个匹配项 ( as seen on rubular.com ):

• <amy>是一场比赛，\1捕获 amy , \2失败
• (bob)是一场比赛，\2捕获 bob , \1失败

这个正则表达式完成了大部分我们想要的，它们是:

• 正确匹配左括号和右括号(即不混合)
• 它捕获了我们感兴趣的部分

但是，它也有一些缺点:

• 重复捕获模式(即“主要”部分)
  • 只有\w+在这种情况下，但一般来说，这可能非常复杂，
    • 如果涉及反向引用，则必须为每个替代项重新编号!
    • 重复使维护成为噩梦! (如果它改变了怎么办？)
• 这些组基本上是重复的
  • 根据备用匹配项，我们必须查询不同的组
    • 只有\1或 \2在这种情况下，但通常“主要”部分可以有自己的捕获组!
  • 这不仅不方便，而且可能存在不可行的情况(例如，当我们使用仅限于查询一组的自定义正则表达式框架时)
• 如果我们还想匹配{...}，情况会迅速恶化, [...]等

所以问题很明显:我们如何在不重复“主要”模式的情况下做到这一点？

Note: for the most part I'm interested in java.util.regex flavor, but other flavors are welcomed.

---

附录

本节没有新内容；仅举例说明上述问题。

让我们把上面的例子带到下一步:我们现在要匹配这些:

<amy=amy>
(bob=bob)
[carol=carol]

但不是这些:

<amy=amy)   # non-matching bracket
<amy=bob>   # left hand side not equal to right hand side

使用替代技术，我们可以使用以下方法 ( as seen on rubular.com ):

<((\w+)=\2)>|\(((\w+)=\4)\)|\[((\w+)=\6)\]

如上所述:

• 不能简单地重复主要模式；反向引用必须重新编号
• 如果发生变化，重复也意味着维护噩梦
• 根据备用匹配项，我们必须查询 \1 \2 , \3 \4 , 或 \5 \6

Answer 1

在进行真正的匹配之前，您可以使用前瞻来“锁定”组号。

String s = "<amy=amy>(bob=bob)[carol=carol]";
Pattern p = Pattern.compile(
  "(?=[<(\\[]((\\w+)=\\2))(?:<\\1>|\\(\\1\\)|\\[\\1\\])");
Matcher m = p.matcher(s);

while(m.find())
{
  System.out.printf("found %s in %s%n", m.group(2), m.group());
}

输出:

found amy in <amy=amy>
found bob in (bob=bob)
found carol in [carol=carol]

它仍然非常丑陋，但您不必每次进行更改时都重新计算所有组号。例如，要添加对大括号的支持，只需:

"(?=[<(\\[{]((\\w+)=\\2))(?:<\\1>|\\(\\1\\)|\\[\\1\\]|\\{\\1\\})"