java - 这是 Java 正则表达式实现中的错误吗？

Question

我正在尝试将字符串 iso_schematron_skeleton_for_xslt1.xsl 与正则表达式 ([a-zA-Z|_])?(\w+|_|\.|-) 进行匹配+(@\d{4}-\d{2}-\d{2})?\.yang.

预期结果为false，不应该匹配。

问题是对 matcher.matches() 的调用永远不会返回。

这是 Java 正则表达式实现中的错误吗？

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class HelloWorld{
    private static final Pattern YANG_MODULE_RE = Pattern
            .compile("([a-zA-Z|_])?(\\w+|_|\\.|-)+(@\\d{4}-\\d{2}-\\d{2})?\\.yang");

     public static void main(String []args){
        final Matcher matcher = YANG_MODULE_RE.matcher("iso_schematron_skeleton_for_xslt1.xsl");
        System.out.println(Boolean.toString( matcher.matches()));
     }
}

我正在使用:

openjdk version "1.8.0_181"
OpenJDK Runtime Environment (build 1.8.0_181-b15)
OpenJDK 64-Bit Server VM (build 25.181-b15, mixed mode)

Answer 1

该模式包含嵌套量词。 \w+ 位于一个本身由 + 量化的组中，这使得正则表达式引擎很难处理不匹配的字符串。从交替组中创建一个字符类更有意义，即 (\\w+|_|\\.|-)+ => [\\w.-]+ 。

请注意 \w 已经匹配 _。此外，字符类中的 | 匹配文字 | 字符，而 [a|b] 匹配 a 、| 或 b，所以您似乎应该从第一个字符类中删除 |。

使用

.compile("[a-zA-Z_]?[\\w.-]+(?:@\\d{4}-\\d{2}-\\d{2})?\\.yang")

请注意，您可以使用非捕获组 ((?:...)) 而不是捕获组，以避免在您只是检查匹配项时不需要的更多开销而不是提取子字符串。

参见 regex demo (由于该模式与 matches() 一起使用，因此需要完整的字符串匹配，因此我在正则表达式演示中添加了 ^ 和 $)。