java - 正则表达式第一个字符不匹配

Question

我遇到一些 Java 模式问题。这是我的模式:

"^[\\p{L}\\p{Digit}~._-]+$"

它匹配 US-ASCII 的任何字母、数字、一些特殊字符，基本上任何不会扰乱 URL 的内容。

我想要的是找到与此模式不匹配的单词中的第一个字母。基本上，用户发送文本作为输入，我必须验证它并在发现非法字符时抛出异常。

我尝试否定此模式，但它无法正确编译。而且 find() 也没有多大帮助。

合法的输入应该是 hello 而 ?hello 不应该是，我的异常应该指出 ? 不正确。

我更喜欢使用 Java 的 Matcher、Pattern 或使用 util.regex 的建议。这不是必需的，但单独检查字符串中的每个字符并不是解决方案。

编辑:我想出了一个更好的正则表达式来匹配未保留的 URI 字符

Answer 1

试试这个:

^[\\p{L}\\p{Digit}.'-.'_]*([^\\p{L}\\p{Digit}.'-.'_]).*$

第一个不匹配的字符是组 n°1

我在这里做了一些尝试:http://fiddle.re/gkkzm6 1

说明:

我否定了你的模式，所以我构建了这个:

[^\\p{L}\\p{Digit}.'-.'_]      [^...] means every character except for
^                       ^             the following ones.
|  your pattern inside  |

该模式由 3 部分组成:

^[\\p{L}\\p{Digit}.'-.'_]*

从第一个字符开始检查正则表达式，直到遇到不匹配的字符

([^\\p{L}\\p{Digit}.'-.'_]) 

捕获组内的不匹配字符(否定)

.*$

字符串末尾之前的任何字符。

希望对你有帮助

编辑:

正确的正则表达式应该是:

^[\\p{L}\\p{Digit}~._-]*([^\\p{L}\\p{Digit}~._-]).*$

同样的方法，只是改变了第一部分和第二部分的内容。

我尝试过，似乎有效。