正则表达式 - Java

Question

我继承了一些正则表达式，试图理解它为什么匹配某种模式。正则表达式基于积极的前瞻性断言和匹配文本，如bear grylls episode。这是有道理的。但它也与episode后跟bear grylls的文本匹配，例如，​​。我没有看到任何引用在正则表达式中向后看。最后是.*?使它向后看？

^(?=.*?bear grylls)(?=.*?(\bnbc\b|reality|episode|show|watch|series|season|premiere)).*? 

Answer 1

这解释了它在做什么。
要修改，取决于你想要做什么。

这是其目前在做什么 -

# ^(?=.*?bear\ grylls)(?=.*?(\bnbc\b|reality|episode|show|watch|series|season|premiere)).*? 

^        # Beginning of string 
(?=       # Look ahead 
     .*?       # Ungreedy, any number of characters 
     bear\ grylls     # Must be 'bear grylls' somewhere 
)        # End lookahead 
(?=       # Look ahead 
     .*?       # Ungreedy, any number of characters 
     (       # (1 start), Must be one of these somewhere 
      \b nbc \b 
     | reality 
     | episode 
     | show 
     | watch 
     | series 
     | season 
     | premiere 
    )        # (1 end) 
)        # End lookahead 
.*?       # Assertions passed tests, now match the entire string 

我将其修改为这个获得一个更好一点的功能 -

# (?s)^(?=.*\bbear\ grylls\b)(?=.*\b(nbc|reality|episode|show|watch|series|season|premiere)\b).* 

(?s)       # Dot all modifier 
^        # Beginning of string 
(?=       # Look ahead 
     .*       # Greedy, any number of characters 
     \b bear\ grylls \b   # Must be 'bear grylls' 
)        # End lookahead 
(?=       # Look ahead 
     .*       # Greedy, any number of characters 
     \b 
     (       # (1 start), Must be one of these 
      nbc 
     | reality 
     | episode 
     | show 
     | watch 
     | series 
     | season 
     | premiere 
    )        # (1 end) 
     \b 
)        # End lookahead 
.*       # Assertions passed tests, now match the entire string 

我建议使用RegexFormat 5它格式化，并创建自动评论。

Answer 2

所有前瞻，看看隐藏断言(?=...)，(?!...)，(?<=...)，(?<!...)不消耗文本。它不会将指针前进到当前位置，这是某些文本匹配时的正常行为。

由于它不会推进索引，因此可以使用此属性来检查文本的多个属性，否则很难在没有预测的情况下组合到单个表达式中。

就你而言，正则表达式检查字符串bear grylls是否存在，然后检查第二个预读中是否存在任何字符串。

没有先行，正则表达式会变成：

^.*?bear grylls.*?(\bnbc\b|reality|episode|show|watch|series|season|premiere)|^.*?(\bnbc\b|reality|episode|show|watch|series|season|premiere).*?bear grylls 

由于bear grylls来临之前或后，任何在列表中的字符串，则需要交替检查这两种情况。 DRY问题可以通过字符串连接来解决，但是当它不可用时，人们将很难进行维护。

这也是一种在密码验证中经常使用的技术，其中可能存在多个条件，例如至少一个字母，至少一个数字，至少一个特殊字符，一行中没有3个相同的字符等。如果你想编写一个单一的表达式来检查上面的所有属性，这是非常混乱。使用预读断言允许您将所有内容都塞进单个表达式中，而不会使正则表达式难以理解和无法维护。

个人而言，我不太喜欢这种方法，因为没有必要将所有东西都塞进一个单一的正则表达式中，除非您受限于该工具并且不允许运行多个正则表达式。我们可以制作2个正则表达式并对每个字符串进行测试。性能将大致相同，因为在正则表达式引擎中完成了相同的工作量。事实上，我相信大多数引擎会在上面的正则表达式中重新扫描字符串两次。

Answer 3

我改写原来的正则表达式，它可以有你想要的结果

^(?=.*?bear grylls).+(?=.*?(\bnbc\b|reality|episode|show|watch|series|season|premiere)).*? 

这是很相似的前一个。唯一的区别是，我在两个肯定的前瞻断言之间加上了“+”，这将强制执行这两部分的顺序，例如，“bear grylls episode”将有积极结果，而“episode bear grylls”不会。

没有这个，这两个前瞻断言将不会有任何序列偏好。基本上它们是完全平等的。