在使用string.ReplaceFirst（regexp,“$1”）获取匹配子字符串时得到空字符串，正则表达式有什么问题吗？

Question

我想将ANSI转义序列转换为IRC颜色序列。

所以我写了一个正则表达式1\e\[([\d；]+)？m，然而，shell_output_string.replacefirst（“\\e\\[([\\d；]+)？m”,“$1”）将同时返回匹配的子字符串和其余不匹配的子字符串。

然后我写了正则表达式2.*\e\[([\\d；]+)？m.*，希望它能匹配整个字符串，并用匹配的子字符串替换，然而replacefirst（“.*\\e\\[([\\d；]+)？m.*”，“$1”）返回空字符串，但matchs（“.*\\e\\[([\\d；]+)？m.*”）是true，这个正则表达式有什么问题？

下面的问题与这个问题非常相似：pattern/matcher group（）在Java中获取substring？

示例代码

import java.util.regex.*;
public class AnsiEscapeToIrcEscape
{
    public static void main (String[] args)
    {
//# grep --color=always bot /etc/passwd
//
//bot:x:1000:1000:bot:/home/bot:/bin/bash
byte[] shell_output_array = {
0x1B, 0x5B, 0x30, 0x31, 0x3B, 0x33, 0x31, 0x6D, 0x1B, 0x5B, 0x4B, // ^[[01;31m^[[K  (#1 - #11)
0x62, 0x6F, 0x74,   // bot  (#12 - #14)
0x1B, 0x5B, 0x6D, 0x1B, 0x5B, 0x4B, // ^[[m^[[K (#15 - #20)
0x3A, 0x78, 0x3A, 0x31, 0x30, 0x30, 0x30, 0x3A, 0x31, 0x30, 0x30, 0x30, 0x3A,   // :x:1000:1000:    (#21 - #33)
0x1B, 0x5B, 0x30, 0x31, 0x3B, 0x33, 0x31, 0x6D, 0x1B, 0x5B, 0x4B, // ^[[01;31m^[[K  (#34 - #44)
0x62, 0x6F, 0x74,   // bot  (#45 - #47)
0x1B, 0x5B, 0x6D, 0x1B, 0x5B, 0x4B, // ^[[m^[[K (#48 - #53)
0x3A, 0x2F, 0x68, 0x6F, 0x6D, 0x65, 0x2F,   // :/home/  (#54 - #60)
0x1B, 0x5B, 0x30, 0x31, 0x3B, 0x33, 0x31, 0x6D, 0x1B, 0x5B, 0x4B, // ^[[01;31m^[[K  (#61 - #71)
0x62, 0x6F, 0x74,   // bot  (#72 - #74)
0x1B, 0x5B, 0x6D, 0x1B, 0x5B, 0x4B, // ^[[m^[[K (#75 - #80)
0x3A, 0x2F, 0x62, 0x69, 0x6E, 0x2F, 0x62, 0x61, 0x73, 0x68, // :/bin/bash   (#81 - #90)
};
        String shell_output = new String (shell_output_array);
        System.out.println (shell_output);
        System.out.println ("total " + shell_output_array.length + " bytes");

        final String CSI_REGEXP = "\\e\\[";
        final String CSI_SGR_REGEXP_First = CSI_REGEXP + "([\\d;]+)?m";
        final String CSI_SGR_REGEXP = ".*" + CSI_SGR_REGEXP_First + ".*";

        System.out.println (shell_output.replaceFirst(CSI_SGR_REGEXP_First, "$1"));
        System.out.println (shell_output.replaceFirst(CSI_SGR_REGEXP, "$1"));
    }
}

Answer 1

正则表达式是贪婪的--也就是说，每个模式都将尽可能多地匹配输入。

这意味着，当一个模式以.*开头时，该模式的这一部分将尝试尽可能多地覆盖输入文本--如此有效地迫使模式的剩余部分尝试从输入字符串的末尾开始寻找匹配项。

那么，从字符串末尾开始，模式其余部分的第一个匹配是什么（或者，如果您愿意，匹配的最后一个子字符串是什么）？它位于输入的倒数第二行，只包含^[m

这是匹配的，因为模式的整个([\d；]+)部分是由下面的内容可选的？.

反过来，这意味着，由于最后的表达式没有数字或；，$1组为空-因此得到的是空字符串输出。

至少，这是我在没有接近Java机器进行测试的情况下得出的结论。希望有帮助。