如何获取给定正则表达式的所有子字符串？

Question

我需要让所有子串匹配正则表达式,我知道我可以为它构建一个自动机,但我正在寻找一个更简单的解决方案.
问题是,Matcher.find()不会返回所有结果.

String str = "abaca";
Matcher matcher = Pattern.compile("a.a").matcher(str);
while (matcher.find()) {
   System.out.println(str.substring(matcher.start(),matcher.end()));
}

结果是,aba而不是aba,aca我想要...
任何想法？
编辑: 另一个例子:for string = abaa,regex = a.*a我希望得到aba,abaa,
如果用正则表达式无法实现它,它也是一个答案,我只是想知道我不是为语言已经为我提供的东西重新发明轮子......

Answer 1

你可以这样做:

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

public class Main {

    public static List<String> getAllMatches(String text, String regex) {
        List<String> matches = new ArrayList<String>();
        Matcher m = Pattern.compile("(?=(" + regex + "))").matcher(text);
        while(m.find()) {
            matches.add(m.group(1));
        }
        return matches;
    }

    public static void main(String[] args) {
        System.out.println(getAllMatches("abaca", "a.a"));
        System.out.println(getAllMatches("abaa", "a.*a"));
    }
}

打印:

[aba, aca]
[abaa, aa]

唯一的问题是你在aba最后一场比赛中失踪了.这是贪婪的,因为.*在a.*a.你无法用正则表达式解决这个问题.您可以通过迭代所有可能的子字符串并调用.matches(regex)每个子字符串来完成此操作:

public static List<String> getAllMatches(String text, String regex) {
    List<String> matches = new ArrayList<String>();
    for(int length = 1; length <= text.length(); length++) {
        for(int index = 0; index <= text.length()-length; index++) {
            String sub = text.substring(index, index + length);
            if(sub.matches(regex)) {
                matches.add(sub);
            }
        }
    }
    return matches;
}

如果您的文本将保持相对较小,这将起作用,但对于较大的字符串,这可能会变得太计算密集.

Answer 2

默认情况下,新匹配从前一个匹配开始.如果您的匹配可以重叠,则需要手动指定起点:

int start = 0;
while (matcher.find(start)) { 
    ...
    start = matcher.start() + 1;
}