java - 匹配正则表达式组以在 java 中列出(赫斯特模式)

Question

我正在尝试将 Hearst-Patterns 与 Java 正则表达式匹配，这是我的正则表达式:

<np>(\w+)<\/np> such as (?:(?:, | or | and )?<np>(\w+)<\/np>)*

如果我有一个带注释的句子:

I have a <np>car</np> such as <np>BMW</np>, <np>Audi</np> or <np>Mercedes</np> and this can drive fast.

我想得到组:

1. car
2. [BMW, Audi, Mercedes]

更新:这是我当前的 java 代码:

Pattern pattern = Pattern.compile("<np>(\\w+)<\\/np> such as (?:(?:, | or | and )?<np>(\\w+)<\\/np>)*");
Matcher matcher = pattern.matcher("I have a <np>car</np> such as <np>BMW</np>, <np>Audi</np> or <np>Mercedes</np> and this can drive fast.");

while (matcher.find()) {
    System.out.println(matcher.group(1));
    System.out.println(matcher.group(2));
}

但是第二组元素只包含 Mercedes，我怎样才能得到第二组的所有匹配项(maby 作为数组)？这可以用 java Pattern 和 Matcher 实现吗？如果是，我的错误是什么？

Answer 1

如果你想确保有连续的结果，你可以使用 \G强制匹配项与先前匹配项连续的 anchor :

Pattern p = Pattern.compile("<np>(\\w+)</np> such as|\\G(?:,| or| and)? <np>(\\w+)</np>");

注意:\G anchor 表示先例匹配的结尾或字符串的开头。为避免匹配字符串的开头，您可以添加 lookbehind (?<!^)在\G之后