1

我正在尝试开发一个正则表达式来查找字符串中的一系列标签。例如，我可以有标签(NP .*)至少一次（可以是多次），后跟一个标点符号（在本例中为 a ./.）。如果在 de(NP)和 the之间有另一个标签./.（如下例中的 VP），则 Matcher 一定找不到任何东西。问题是，即使我在之后使用问号，.*它也会继续寻找)使表达式与字符串中的某些内容匹配的 a。这是我的方法：

public void myMethod() {
    String input = "(NP first tag) (VP second tag) ./.";
    String regex = "(\\(NP .*?\\)( )?)+" + "\\./\\.";

    Pattern pattern = Pattern.compile("(" + regex + ")");
    Matcher matcher = pattern.matcher(input);

    if (matcher.find()) {
        System.out.println("<S "+matcher.group(0)+">");
    } else {
        System.out.println("sem grupos.");
    }
}

该方法仍将匹配正则表达式，但不应该。我需要它来告诉我没有找到组，因为“VP”标签不应该在那里。我相信这个问题依赖于 Java 中 Regex 采用的贪婪策略。它试图找到一些符合正则表达式描述的模式的字符组合。我不知道如何重写这个表达式。

有什么帮助吗？

编辑：

1）我注意到我的问题有点令人困惑，所以我对示例进行了一些更改以使其更清楚。

2）谢谢安摩尔。我同意我使用了比必要更多的组，但这是因为像+. 我试图切断不必要的群体。.*?你用 a替换的简单想法[^)]*?也很棒！我唯一调整的是)使用[^\\)]*?. 下面我展示了最终使用的 REGEX。

String regex = "(\\(NP [^\\)]*?\\) ?)+\\./\\.";

非常感谢！:)

4

1 回答 1

1

((\(NP .*?\)( )?)+\./\.)是编译的模式。

简化：

\(NP .*?\) ?+\./\.删除未使用的捕获组。

现在，让我们看看您拥有的示例字符串：

在(NP first tag) (VP second tag) ./.，.*?比赛first tag) (VP second tag。
在(NP first tag) (VP second tag) (MISC tag that must not be catch) ./.，.*?匹配first tag) (VP second tag) (MISC tag that must not be catch。

为什么？我的意思是，它不是贪婪的，对吧？没错，但是...

.*?\)开始匹配first tag)，你想要什么。但是，正则表达式的其余部分未能匹配，正则表达式引擎将其作为可能的答案抛出并继续查找。

如果您在 (NP (tag)) 之类的标签中没有标签，则可以更改模式：\(NP [^)]*?\)

要匹配您在问题中描述的字符串：\(NP [^)]*?\) ?\(VP [^)]*?\) \./\.

随着 Java 转义，它变成\\(NP [^)]*?\\) ?\\(VP [^)]*?\\) \./\..

为了进一步阅读，有一个很棒的Stack Overflow 问题，涵盖了更多关于此的理论和实践。

于 2012-11-07T05:42:40.787 回答