java - 如何对包含 'zero or one' 的 '.*' 组进行正则表达式

Question

我正在尝试从文本中获取 record1、record2、record3:

"Record1 ANY TEXT 123 4 5 Record2 ANOTHER TEXT 90-8098 Record3 MORE TEXT ASD 123"

每条记录出现一次或零次。 我使用模式:

(Record1.*)?(Record2.*)?(Record3.*)?

如果出现每条记录，

matcher.group(1) == "Record1 ANY TEXT 123 4 5 Record2 ANOTHER TEXT 90-8098 Record3 MORE TEXT ASD 123"
matcher.group(2) == null
matcher.group(3) == null

如果我使用模式:

(Record1.*)(Record2.*)(Record3.*)

matcher.group(1) == "Record1 ANY TEXT 123 4 5 "
matcher.group(2) == "Record2 ANOTHER TEXT 90-8098 "
matcher.group(3) == "Record3 MORE TEXT ASD 123"

这正是我想要的，但是每条记录都可以出现零次，这个正则表达式不合适

我应该使用什么模式？

Answer 1

你想让你的量词非贪婪，并且你想使用 anchor :

^.*?(Record1.*?)?(Record2.*?)?(Record3.*?)?$

在您的原始表达式中，您的 .* 基本上消耗了字符串末尾的所有内容，因为默认情况下这就是正则表达式的行为方式(称为贪婪匹配) .由于第二组和第三组是可选的，因此引擎不没有理由简单地将所有内容与第一个匹配。*——这是最有效的匹配。

通过在任何量词之后添加 ?，例如 *? 或 +? 或 ? ? 或 {m,n}?，您指示引擎匹配尽可能少，即调用非贪婪匹配。

那么，为什么要 anchor ？好吧，如果您调用非贪婪匹配，引擎将尝试匹配尽可能少。所以，它会匹配nothing，因为你所有的组都是可选的!通过强制整个表达式匹配开头 ^ 以及结尾 $，您强制正则表达式找到某种方式来匹配尽可能少的字符通过 .*?，但仍会根据需要进行匹配以获取所有详细信息。