为什么在这种情况下 java.util.regex.Matcher start() 和 end() 返回额外的字符？

Question

我正在动态生成一些正则表达式，并用应用程序中的另一个字符串事后替换匹配的结果。我正在获取匹配的开始和结束索引，然后逐个替换每个匹配的字符块，然后调整下一个匹配的偏移量。然而，在其他几个成功匹配/替换的案例中的一场比赛中，我注意到我的开始和结束索引包含一个额外的字符。

这是我用来生成正则表达式的代码：

Pattern.compile("[^a-zA-Z]+(?<match>" + Pattern.quote(search[i]) + ")[^a-zA-Z]+")

在这种情况下添加额外的字符

search[i] = "on a daily basis"

得到的正则表达式

[^a-zA-Z]+(?<match>\Qon a daily basis\E)[^a-zA-Z]+

这是要匹配的相关文本

to on a daily basis.

我想要的输出是

on a daily basis

这是我从 matcher.group("match") 获得的输出，但是当我从同一匹配器上下文调试 start() 和 end() 结果时，我分别得到 356 和 375 （这是在全文的上下文中） ），但您可以看到这两个数字之间的差异是 19，而字符串“on a daily basic”只有 16 个字符。

我假设我需要考虑 Pattern.quote 中的 \Q 和 \E？那么第三个额外的附加角色是从哪里来的呢？为什么这种情况只发生在这种模式/目标字符串的情况下？

是否还有其他不相关的原因导致我忽略的差异？

Answer 1

结果正如预期的那样。您没有考虑[^a-zA-Z]+模式的开头和结尾。因此，虽然实际文本的长度是16，但匹配字符串的总长度会有所不同。

虽然Matcher#group(String)会返回该组中匹配的文本，但Matcher#start()会给出完整匹配的开始索引。方法相同end()。它将在匹配字符串的最后一个索引之后给出索引 1。

如果您想获取匹配组的开始和结束索引，可以将组名称传递给start(String)andend(String)方法。

在一小段字符串中尝试一下，您就会知道。

String search = "on a daily basis";
String toMatch = "to on a daily basis. ";
Pattern pattern = Pattern.compile("[^a-zA-Z]+(?<match>" + Pattern.quote(search) + ")[^a-zA-Z]+");

Matcher matcher = pattern.matcher(toMatch);

if (matcher.find()) {
  System.out.println(matcher.group().length());
  System.out.println(matcher.start());
  System.out.println(matcher.end());

  System.out.println(matcher.group("match").length());
  System.out.println(matcher.start("match")); // your expected result
  System.out.println(matcher.end("match")); 
}

因此，在上面的示例中，组的长度与完整匹配的长度（这就是您得到的结果）不同。