java - 使用正则表达式组解析控制台输入的多个字段

Question

我有发布实体:

public class Publication {
    private long id;
    private String authorName;
    private Topic topic;
    private long publicationTime;
    private String header;
    private String text;
//...
}

其中 Topic 是枚举并具有预安装值:

public enum Topic {
    SALE, PURCHASE, RENT, SERVICES, DATING;
}

发布实体的规则:

1. 作者姓名可以包含拉丁字母和数字，但第一个符号应该是字母。其长度应在 4 到 20 个符号之间。
2. 用户应选择预安装的主题之一。
3. 标题应包含 10 到 30 个符号。
4. 文本应包含 20 到 400 个符号。

用户通过控制台工作并可以编辑出版物。

这是用户应该使用的语法: [作者姓名][主题][标题][文本]

其中字段之间用空格分隔。

所以我想出了以下正则表达式:

([a-zA-Z]\\w{3,19}) (出租|销售|购买|服务|约会) ((\\w|\\W|\\s){10 ,30}) ((\\w|\\W|\\s){20,400})

我解析为:

         Pattern pattern = Pattern.compile("above regex");
         Matcher matcher = pattern.matcher(input);
         if (matcher.find()) {
            String authorName = matcher.group(1);
            Topic topic = Topic.valueOf(matcher.group(2));
            String header = matcher.group(3);
            String text = matcher.group(4);
            //...
         }

但是对于这样的输入，它会失败:

Alexander SALE some header This is a text for some publication

因为 Matcher 找到了四个以上的组，所以我得到:

authorName=Alexander
topic=SALE
header=header three This is a
text=a

而不是:

authorName=Alexander
topic=SALE
header=header three
text=This is a text for some publication

如何解决？

Answer 1

您的输入格式不明确，因此您永远无法成功解析它。您无法确定 [header] 结束位置和 [text] 开始位置，因为您在两个值中都允许使用空格字符。

我建议您更改为输入数据中不允许的分隔符(例如 ; 或 /)。或者可能要求将 header 封装在您可以搜索的内容中，例如

Alexander SALE {some header} This is a text for some publication

If you used my second example, the following pattern then matches it:

"([a-zA-Z]\\w{3,19}) (RENT|SALE|PURCHASE|SERVICES|DATING) \\{((?:\\w|\\W|\\s){10,30})\\} ((\\w|\\W|\\s){20,400})"

除了添加 \\{...\\} 来捕获标题之外，我还更正了您的部分模式。最初你有:

((\\w|\\W|\\s){10,30})

但这会创建两个捕获组。为了避免这种情况，我将内部组设为非捕获组，并添加?:，如下所示:

((?:\\w|\\W|\\s){10,30})