Java正则表达式问题

Question

我正在为一个Java程序创建一个XMLParser(我知道那里有很好的XMLParser,但我只想这样做).

我有一个名为getAttributeValue(String xmlElement,String attribute)的方法,并使用正则表达式查找具有属性名称加上的字符序列

="any characters that aren't a double quote"

然后我可以解析引号的内容.不幸的是,我在使用正则表达式模式时遇到了麻烦.如果我使用:

Pattern p = Pattern.compile(attribute + "=\"(.)+\"");

然后我得到一个以我的属性名称开头的字符串,但因为有大量的属性和值,并且最后一个的值具有双引号,我得到我想要的字符串以及所有其他属性名称和值,如下所示:

attributeOne="contents" attributeTwo="contents2" attributeThree="contents3"

所以我认为我可以有一个正则表达式,而不是"." 任何字符符号,都有"任何字符,但不是双引号".我试过了:

Pattern p = Pattern.compile(attribute + "=\"(.&&[^\"])+\"");
Pattern p = Pattern.compile(attribute + "=\"(.&&(^\"))+\"");
Pattern p = Pattern.compile(attribute + "=\"([.&&[^\"]]+)\"");

但它们都不起作用.如有任何建议和意见,我将不胜感激.

谢谢.

Answer 1

正则表达式模式:

="any characters that aren't a double quote"

是="[^"]*",作为Java字符串文字"=\"[^\"]*\"".

该[...]构造称为字符类 ; 例如,[aeiou]匹配任何一个小写元音.该[^...]构建体是否定的字符类 ; 例如,[^aeiou]匹配除小写元音(包括辅音,符号,数字等)之外的任何内容.

请注意,这种模式不允许逃跑"的String(见下文为说明这种可能性图案链接).

参考

• regular-expressions.info/Character 编程语言的类和模式示例

相关问题

• 正则表达式:为什么[01-12]范围不按预期工作？
  • 关于角色类,常见的初学者陷阱等的详细讨论

关于贪婪,不情愿和否定的字符类匹配

要理解为什么".+"不按预期"工作",为什么有时候你会看到".+?"不情愿的版本试图"修复"这个问题,请考虑以下示例:

例1:从A到Z.

让我们比较这两种模式:A.*Z和A.*?Z.

鉴于以下输入:

eeeAiiZuuuuAoooZeeee

模式产生以下匹配:

• A.*Z产生1个匹配:AiiZuuuuAoooZ(见rubular.com)
• A.*?Z产生2个匹配:AiiZ和AoooZ(参见rubular.com)

让我们首先关注的是什么A.*Z.当它匹配的第一个A,在.*,贪婪,首先尝试匹配尽可能多.地.

eeeAiiZuuuuAoooZeeee
   \_______________/
    A.* matched, Z can't match

由于Z不匹配,引擎会回溯,然后.*必须少一个.:

eeeAiiZuuuuAoooZeeee
   \______________/
    A.* matched, Z still can't match

这种情况发生了几次,直到最后我们才发现:

eeeAiiZuuuuAoooZeeee
   \__________/
    A.* matched, Z can now match

现在Z可以匹配,所以整体模式匹配:

eeeAiiZuuuuAoooZeeee
   \___________/
    A.*Z matched

相比之下,A.*?Z第一次匹配的不情愿重复尽可能少.,然后.根据需要采取更多.这解释了为什么它在输入中找到两个匹配项.

这是两种模式匹配的直观表示:

eeeAiiZuuuuAoooZeeee
   \__/r   \___/r      r = reluctant
    \____g____/        g = greedy

示例:替代方案

在许多应用中,上述输入中的两个匹配是期望的,因此使用不情愿.*?而不是贪婪.*来防止过匹配.但是,对于这种特殊模式,使用否定字符类有一个更好的选择.

该模式A[^Z]*Z还可以找到与A.*?Z上述输入模式相同的两个匹配项(如ideone.com上所示).[^Z]所谓的否定字符类:它匹配任何东西,但Z.

两种模式之间的主要区别在于性能:更严格,否定的字符类只能匹配给定输入的一种方式.如果你对这个模式使用贪婪或不情愿的修饰符并不重要.事实上,在某些风格中,你可以做得更好,并使用所谓的占有量词,它根本不会回溯.

参考

• regular-expressions.info/Repetition - 懒惰,否定角色类和占有量词的替代方案

例2:从A到ZZ

这个例子应该是说明性的:它显示了在给定相同输入的情况下,贪婪,不情愿和否定的字符类模式如何匹配.

eeAiiZooAuuZZeeeZZfff

这些是上述输入的匹配:

• A[^Z]*ZZ产生1个匹配:AuuZZ(上ideone.com所见)
• A.*?ZZ产生1个匹配:AiiZooAuuZZ(上ideone.com所见)
• A.*ZZ产生1个匹配:AiiZooAuuZZeeeZZ(上ideone.com所见)

以下是它们匹配的直观表示:

         ___n
        /   \              n = negated character class
eeAiiZooAuuZZeeeZZfff      r = reluctant
  \_________/r   /         g = greedy
   \____________/g

相关问题

• 之间的区别.？和.为正则表达式