如何匹配表达式后的第一个单词与正则表达式？

Question

例如,在本文中:

Lorem ipsum dolor坐下来,精致的adipistur elit.Nunc eu tellus vel nunc pretium lacinia.Proin sed lorem.Cras sed ipsum.Nunc a libero quis risus sollicitudin imperdiet.

我想在'ipsum'之后匹配这个词.

Answer 1

这听起来像是一个外观的工作,但你应该知道并非所有正则表达式都支持它们.在你的例子中:

(?<=\bipsum\s)(\w+)

这将匹配任何字母字符序列,其后跟"ipsum"作为整个单词后跟空格.它与"ipsum"本身不匹配,您不需要担心在例如替换的情况下重新插入它.

正如我所说,但有些风格(例如JavaScript)根本不支持lookbehind.许多其他(实际上大多数)只支持"固定宽度"的外观 - 所以你可以使用这个例子而不是任何重复操作符.(换句话说,(?<=\b\w+\s+)(\w+) 就不会工作.)

Answer 2

其他一些响应者建议使用不依赖于后视的正则表达式，但我认为需要一个完整的、有效的示例来理解这一点。这个想法是您以正常方式匹配整个序列（“ipsum”加上下一个单词），然后使用捕获组来隔离您感兴趣的部分。例如：

String s = "Lorem ipsum dolor sit amet, consectetur " +
    "adipiscing elit. Nunc eu tellus vel nunc pretium " +
    "lacinia. Proin sed lorem. Cras sed ipsum. Nunc " +
    "a libero quis risus sollicitudin imperdiet.";

Pattern p = Pattern.compile("ipsum\\W+(\\w+)");
Matcher m = p.matcher(s);
while (m.find())
{
  System.out.println(m.group(1));
}

请注意，这会打印“dolor”和“Nunc”。要使用lookbehind版本做到这一点，你必须做一些像hackish的事情：

Pattern p = Pattern.compile("(?<=ipsum\\W{1,2})(\\w+)");

那是在 Java 中，它要求后视具有明显的最大长度。有些风格甚至没有那么大的灵活性，当然，有些风格根本不支持后视。

然而，人们在他们的例子中似乎遇到的最大问题不是后视，而是词边界。David Kemp 和 ck 似乎都希望\b匹配“m”后面的空格字符，但事实并非如此；它匹配“m”和空格之间的位置（或边界）。

这是一个常见的错误，我什至在几本书和教程中都看到过重复出现的错误，但是词边界结构\b永远不会匹配任何字符。它是一个零宽度断言，如环视和锚点（^, $, \z, 等），它匹配的是一个位置，它前面是一个单词字符而不是一个字符，或者是一个单词字符而不是一个单词字符一。