Java正则表达式匹配贪婪数据（可选后缀除外）

Question

给定一个字符串

Prefix without commas, remainder with optional suffix (optional suffix)

在一次过程中匹配和提取字符串的3个部分的最佳Java正则表达式是什么？

1. 第一个逗号之前的前缀
2. 左括号内的剩余部分
3. 括号内的后缀

对于上面的示例，3个组（在引号内）将是

1. “不带逗号的前缀”
2. “带可选后缀的余数”
3. “（可选后缀）”

字符串的所有3个部分都是可变长度的。余数部分本身可以包含逗号和括号，可选后缀可以以空格开始，也可以不以空格开始，然后是左括号，后面是零个或多个字符，后面是右括号，后面是可选空格，后面是行尾。

试着像

([^,]*),(.*)(\s*\(.*\))?

只产生第1组和第2组，将第3组置于第2组的末尾。

Answer 1

您可以使用以下正则表达式：

"^([^,]*),([^()]*)(\\s*\\(.*\\))?$"

正则表达式匹配：

• ^-字符串的开头
• （[^，]*）-（第1组）0个或更多字符，而不是，
• ，-文字，，
• （[^（）]*）-（第2组）0个或更多字符，而不是（和）
• （\\s*\\（.\\） -（组3）可选组（由于？量词表示前面子模式出现1次或0次）：
  • \\s*-0或更多空白
  • \\（.\\）-文字（然后尽可能多的字符，而不是换行符，直到最后一个）

  查看IDEONE演示

  String str = "String prefix without commas, variable length remainder with optional suffix (optional suffix)";
  Pattern ptrn = Pattern.compile("^([^,]*),([^()]*)(\\s*\\(.*\\))?$");
  Matcher matcher = ptrn.matcher(str);
  while (matcher.find()) {
      System.out.println("First group: " + matcher.group(1)
                    + "\nSecond group: " + matcher.group(1) 
                    + (matcher.group(3) != null ? 
                         "\nThrid group: " + matcher.group(3) : ""));
  

Answer 2

以下正则表达式：

^([^,]*),(.*?)(?:\(([^()]*)\))?\s*$

在组2中使用惰性量词，以确保如果有括号，则组3将匹配。另一方面，组3不允许嵌套的paren，以强制仅在字符串的最后一组paren中进行匹配。

代码：

String text = "String prefix without commas, variable length ())(remainde()r with )optional (suffix (optional suffix)";
Pattern regex = Pattern.compile("^([^,]*),(.*?)(?:[(]([^()]*)[)])?\\s*$");
Matcher m = regex.matcher(text);
if (m.find()) {
    System.out.println("1: " + m.group(1));
    System.out.println("2: " + m.group(2));
    System.out.println("3: " + m.group(3));
}

输出：

1: String prefix without commas
2:  variable length ())(remainde()r with )optional (suffix 
3: optional suffix

演示

Answer 3

([^,]*),(.*)(\s*\(.*\))?

失败的原因是正则表达式已经成功地执行了（[^，]*），（.*），并且不需要检查（回溯）其余部分。

要使其正常工作，请按以下方式更改它（可能有几个选项），这些选项要么不匹配最后一个括号，要么将匹配最后一个括号：

^([^,]*),(.*[^\) ]\s*$) | ([^,]*),(.*)(\s*\(.*\))\s*$

结果（$1$3和$2$4应合并，$1和$2，如果没有可选前缀）：

3: Prefix without commas
4:  remainder with optional suffix 
5: (optional suffix)

这里我假设您的可选后缀可以出现多次。阅读问题的另一种方式是希望中间部分重复，即$3包含在$2中。您可以按如下方式执行此操作：

^([^,]*),(.*(?:[^\) ]\s*$ | (\s*\(.*\)\s*$)))

结果：

1: Prefix without commas
2:  remainder with optional suffix (optional suffix)  
3: (optional suffix)  

编辑：在正则表达式上面更新，以允许在结束括号后的空白（这很微妙，您需要将空间添加到负字符类），并锚定正则表达式以加速和减少回溯