java - 删除放置在其他正则表达式匹配项中的正则表达式匹配项

Question

我有两个正则表达式。如果第二个匹配项位于第一个匹配项中，我想删除所有匹配项。基本上，已经匹配的就不能再匹配了。示例:

第一个正则表达式(粗体)- c\w+ 查找以 c 开头的单词

第二个正则表达式(带下划线)- me 找到 me

结果:cam̲e̲l crim̲e̲ care cool m̲e̲dium m̲e̲lt hom̲e̲

c 词中的 me 也匹配。我要的是: Camel 犯罪托酷 m̲e̲dium m̲e̲lt hom̲e̲

第二个正则表达式的两个结果在第一个正则表达式的结果中，我想删除它们，或者根本不匹配它们。这是我尝试过的:

String text = "camel crime care cool medium melt home";

static final Pattern PATTERN_FIRST = Pattern.compile("c\w+");
static final Pattern PATTERN_SECOND = Pattern.compile("me");

// Save all matches
List<int[]> firstRegexMatches = new ArrayList<>();
for (Matcher m = PATTERN_FIRST.matcher(text); m.find();) {
    firstRegexMatches.add(new int[]{m.start(), m.end()}); 
}

List<int[]> secondRegexMatches = new ArrayList<>();
for (Matcher m = PATTERN_SECOND.matcher(text); m.find();) { 
    secondRegexMatches.add(new int[]{m.start(), m.end()}); 
}

// Remove matches of second inside matches of first
for (int[] pos : firstRegexMatches) {
        Iterables.removeIf(secondRegexMatches, p -> p[0] > pos[0] && p[1] < pos[1]);
}

在这段代码中，我将两者的所有匹配项存储到列表中，然后尝试从第二个列表中删除第一个列表匹配项中的匹配项。

这不仅行不通，而且我不确定它是否非常有效。请注意，这是我的情况的简化版本，其中包含更多正则表达式和大文本。 Iterables 来自 Guava。

Answer 1

首先，您可以将两个表达式合并为一个。

(^c\w+)|\s(c\w+)|(\w*me\w*)

如果你匹配这个正则表达式，每个匹配项要么是以“c”开头后跟一些单词字符的单词，要么是一个包含“me”的单词。对于每场比赛，您都可以得到该组: (1) 或 (2) 表示以“c”开头的单词或 (3) 表示含有“我”的词

但是请注意，这仅在您知道单词的分隔符(在本例中为\s 字符)的情况下才有效。

示例代码:

    String text = "camel crime care cool medium melt home";

    final Pattern PATTERN = Pattern.compile("(^c\\w+)|\\s(c\\w+)|(\\w*me\\w*)");

    // Save all matches
    List<String> wordsStartingWithC = new ArrayList<>();
    List<String> wordsIncludingMe = new ArrayList<>();

    for (Matcher m = PATTERN.matcher(text); m.find();) {
        if(m.group(1) != null) {
            wordsStartingWithC.add(m.group(1));
        } else if(m.group(2) != null) {
            wordsStartingWithC.add(m.group(2));
        } else if(m.group(3) != null) {
            wordsIncludingMe.add(m.group(3));
        }
    }

    System.out.println(wordsStartingWithC);
    System.out.println(wordsIncludingMe);

---

我建议通过采取一些不同的方法来简化它。 由于您似乎知道单词限制器，即空白字符，您只需拆分原始字符串即可获得所有单词的集合。

String[] words = "camel crime care cool medium melt home".split(" ");

然后您只需遍历所有这些。

for(String word: words) {                
    if(word.startsWith("c")) {
        // put in your list for words starting with "c"
    } else if (word.contains("me")) {
        // put in your list for words containing "me"
    }
}

这将导致两个列表没有重复的条目，因为第二个 if 语句只会在第一个失败的情况下执行。