我正在尝试构建一个捕获多个组的正则表达式,其中一些组包含在其他组中。例如,假设我想捕获“to”前缀后面的每个 4 克:
input = "I want to run to get back on shape"
expectedOutput = ["run to get back", "get back on shape"]
在这种情况下,我会使用这个正则表达式:
"to((?:[ ][a-zA-Z]+){4})"
但它只捕获 expectedOutput
中的第一项(带有空格前缀,但这不是重点)。
如果没有正则表达式,这很容易解决,但我想知道是否可以仅使用正则表达式。
最佳答案
您可以使用正则表达式重叠mstring:
String s = "I want to run to get back on shape";
Pattern pattern = Pattern.compile("(?=\\bto\\b((?:\\s*[\\p{L}\\p{M}]+){4}))");
Matcher matcher = pattern.matcher(s);
while (matcher.find()){
System.out.println(matcher.group(1).trim());
}
正则表达式 (?=\bto\b((?:\s*[\p{L}\p{M}]+){4}))
检查字符串中的每个位置(因为它是零宽度断言)并查找:
\bto\b
- 整个单词to
((?:\s*[\p{L}\p{M}]+){4})
- 第 1 组捕获 4 次出现\s*
零个或多个空格[\p{L}\p{M}]+
- 一个或多个字母或变音符号
如果您希望捕获少于 4 个 ngram,请使用 {0,4}
(或 {1,4}
要求至少一个)贪婪限制量词而不是 {4}
。
关于Java正则表达式捕获多个组以及包含其他组的组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35628430/