Java正则表达式交替运算符“ |” 行为似乎坏了

Question

尝试为罗马数字编写正则表达式匹配器。在sed中（我认为这是正则表达式的“标准”吗？），如果您有多个由交替运算符分隔的选项，则它将与最长的匹配。即，"I|II|III|IV"将“
IV”匹配为“ IV”，将“ III”匹配为“ III”

在Java中，相同的模式将“ IV”的“ I”和“ III”的“ I”匹配。事实证明Java在从左到右的交替匹配之间进行选择；也就是说，因为正则表达式中的“
I”出现在“ III”之前，所以它匹配。如果我将regex更改为"IV|III|II|I"，则行为会得到纠正，但这显然不是一般的解决方案。

有没有办法让Java从轮换组中选择最长的匹配项，而不是选择“第一个”？

为了清晰起见，代码示例：

public static void main(String[] args)
{
    Pattern p = Pattern.compile("six|sixty");
    Matcher m = p.matcher("The year was nineteen sixty five.");
    if (m.find())
    {
        System.out.println(m.group());
    }
    else
    {
        System.out.println("wtf?");
    }
}

这个输出 "six"

Answer 1

不，它的行为正确。Java使用NFA或正则表达式控制的风格，例如Perl，.NET，JavaScript等， 与
sed，grep或awk不同。预期一旦其中一项替代比赛结束，交替就退出，而不是最长的比赛坚持下去。

您可以通过在替换 之后 添加一个条件，直到消耗完整个令牌 后
，才能强制其继续运行。该条件可能取决于上下文；最简单的选择是锚点（$）或单词边界（\b）。

"\\b(I|II|III|IV)\\b"

编辑：我应该提一下，尽管grep，sed，awk和其他 传统上
使用文本定向（或DFA）引擎，但是您也可以找到其中一些使用NFA引擎的版本，或者甚至是两者的混合版本。