Java正则表达式使用一个模式而不是两个

Question

我有一个包含行的文本文件，其中一些行的格式如下：

• 3个选项卡，
• 如果几句话之后，最后换行
• 我需要一个接一个地抓住这些行中的单词（用文本中每个单词的索引）

我想到了一个使用2个正则表达式模式和2个循环的解决方案（添加了下面的代码），但是我想知道是否有更好的解决方案只使用一个正则表达式模式。

以下是文本中的行的示例：

            Hello I am studying regex!
            This is a line in the text.
                Don't need to add this line
        nor this line.
            But this line should be included.

Map<String, Integer> wordsMap = New HashMap<>();

Pattern p = Pattern.compile("\\t{3}(.*)\\n");
Matcher m = p.matcher(text);

Pattern p2 = Pattern.compile("(\S+)");
Matcher m2 = p.matcher(");

while(m.find()) {
    m2.reset(m.group(1));
    while(m2.find()) {
        wordsMap.add(m2.group(1), m.start(1) + m2.start(1));
    }
}

Answer 1

你可以用

(?:\G(?!^)\h+|^\t{3})(\S+)

请看regex演示。使用模式编译模式。多行标志。

获取组1数据。

细节

• （？：\G（？）\h | ^\t{3}）-上一个匹配的结尾，但不是在一行的开头，后跟一个水平空白字符，或者在一行的开头有三个制表符
• （\S）-第1组：任意1个非空白字符

Java演示：

String s = "\t\t\tHello I am studying regex!\n\t\t\tThis is a line in the text.\n\t\t\t\tDon't need to add this line\n\t\tnor this line.\n\t\t\tBut this line should be included.";
Pattern pattern = Pattern.compile("(?:\\G(?!^)\\h+|^\t{3})(\\S+)", Pattern.MULTILINE);
Matcher matcher = pattern.matcher(s);
while (matcher.find()){
    System.out.println("Match: '" + matcher.group(1) + "', Start: " + matcher.start(1)); 
} 

输出：

Match: 'Hello', Start: 3
Match: 'I', Start: 9
Match: 'am', Start: 11
Match: 'studying', Start: 14
Match: 'regex!', Start: 23
Match: 'This', Start: 33
Match: 'is', Start: 38
Match: 'a', Start: 41
Match: 'line', Start: 43
Match: 'in', Start: 48
Match: 'the', Start: 51
Match: 'text.', Start: 55
Match: 'But', Start: 113
Match: 'this', Start: 117
Match: 'line', Start: 122
Match: 'should', Start: 127
Match: 'be', Start: 134
Match: 'included.', Start: 137