3

我正在尝试捕获一个字符串，直到某个单词在某组单词中。

我只想捕获字符串直到其中一个单词的第一个实例，因为它们可能在字符串中出现很多次。

例如：

词组：（是、在、为）

String = "从前有一只狐狸在洞里"; 会返回“曾几何时那里”

谢谢

4

4 回答 4

8

您需要的称为Lookahead。您的情况的确切正则表达式是：

/^.+?(?=(?:was)|(?:in)|(?:for))/

无论如何，^ 匹配字符串的开头，.+? 是一个惰性匹配（它将匹配尽可能短的字符串）， (?= ... ) 表示“跟随”并且 (?: ... ) 是一个非捕获组 - 这可能对您来说是必需的，也可能不是必需的。

对于奖励积分，您可能应该使用单词边界来确保匹配整个单词，而不是子字符串（“The fox was not”将返回“The fox”），并在前瞻中使用前导空格杀死比赛中的尾随空格：

/^.+?(?=\s*\b(?:was)|(?:in)|(?:for)\b)/

其中 \s* 匹配任意数量的空白（包括根本没有），而 \b 匹配单词的开头或结尾。这是一个零宽度断言，这意味着它与实际字符不匹配。

或者，在 Java 中：

Pattern p = Pattern.compile("^.+?(?=\\s*\\b(?:was)|(?:in)|(?:for)\\b)");

我认为这会奏效。我没有使用它，但根据文档，那个确切的字符串应该可以工作。只需要逃避所有的反斜杠。

编辑

一年多之后，我在这里，我刚刚意识到上面的正则表达式并没有像我当时认为的那样做。交替具有最高优先级，而不是最低优先级，因此这种模式更正确：

/^.+?(?=\s*\b(?:was|in|for)\b)/

将这个新的正则表达式与我的旧正则表达式进行比较。 此外，未来的旅行者，如果不存在这样的中断词，您可能希望捕获整个字符串。试穿这个尺寸：

/^(?:(?!\s*\b(?:was|in|for)\b).)*/

这个使用 NEGATIVE 前瞻（断言匹配失败的模式）。它可能更慢，但它仍然可以完成工作。 在这里查看它的实际应用。

于 2012-08-09T21:33:26.180 回答
5

您可以使用此代码在终止词之前捕获字符串：

Pattern p = Pattern.compile("^(.*?)((\\b(was|in|for)\\b)|$)");
String s = "Once upon a time there was a fox in a hole";
Matcher m = p.matcher(s);
if (m.find()) {
    System.out.println(m.group(1));
}

此代码产生以下输出（链接）：

Once upon a time there

以下是这个表达式的工作原理：(\\b(was|in|for)\\b)表示“内括号中列出的任何单词，当它们出现在单词边界上时”。$即使在源中没有出现任何终止词，外部的表达式也允许捕获某些内容。

于 2012-08-09T21:38:08.667 回答
3

处理此问题的一个非常简单的方法是只split使用正则表达式的字符串并保留返回的第一件事：

String str = "Once upon a time there was a fox in a hole";
String match = str.split("(was|in|for)")[0];

// match = "Once upon a time there "

在此示例中，将在第一个匹配的单词之前match包含字符串的第一部分，或者在未找到单词的字符串的情况下，它将包含整个字符串。

于 2012-08-09T21:38:37.890 回答
2 
String s = "Once upon a time there was a fox in the hole";
String[] taboo = {"was", "in", "for"} ;
for (int i = 0; i < taboo.length; i++){
    if (s.indexOf(taboo[i]) > -1 ){
        s=s.substring(0, s.indexOf(taboo[i])) ;
    }
}
out.print(s);

在我的电脑上工作..

于 2012-08-09T21:37:16.517 回答