1

我一直在使用下面的代码来尝试从我提供的文本中提取不同的部分。

它应该挑选出数字，然后将任何用[大括号或"引号括起来的部分放入组中。这是代码。

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Launcher2 {

    /**
     * @param args
     */
    public static void main(String[] args) {
        PrintRegexes("100.000[$₮-45]");
    }
    public static void PrintRegexes(String textToMatch){
        Pattern p = Pattern.compile("(\\[.*?\\]|\".*?\")?.*?(\\d{1,3}(?:,\\d{3})*?(?:\\.\\d+)?).*?(\\[.*?\\]|\".*?\")",Pattern.CASE_INSENSITIVE | Pattern.DOTALL);
        Matcher m = p.matcher(textToMatch);
        if (m.find())
        {
            for(int groups =0;groups<m.groupCount();groups++){
                System.out.println("Group "+groups+" contains "+m.group(groups));
            }
            for(int groups =0;m.find(groups);groups++){ //this will error, but right now, it's the least of my concerns
                System.out.println("Group "+groups+" contains "+m.group(groups));
            }
        }

    }
}

Group 0 contains 100.000[$₮-45]
Group 1 contains null
Group 2 contains 100.000
Group 3 contains [$₮-45]
Group 0 contains 100.000[$₮-45]
Group 1 contains null
Group 2 contains 0.000
Group 3 contains [$₮-45]
Exception in thread "main" java.lang.IndexOutOfBoundsException: No group 4 //don't care about this, I've got bigger strings(fish) to regex(fry) at the moment!
    at java.util.regex.Matcher.group(Unknown Source)
    at Launcher2.PrintRegexes(Launcher2.java:21)
    at Launcher2.main(Launcher2.java:10)

所有组都相同，除了group 2一个打印为0.000，一个打印为100.000。

为什么是这样？

如果我在数字前面和后面有一些东西，这种行为就会消失。

如果我只是在前面放一些东西，我会得到这个输出：

Group 0 contains [$₮-45]100.000
Group 1 contains [$₮-45]
Group 2 contains 100.000
Group 3 contains null
Group 0 contains [$₮-45]100.000
Group 1 contains null
Group 2 contains 45
Group 3 contains null

甚至更奇怪！（对我来说）最奇怪的部分是它可以在 www.debuggex.com 上运行。

我写错了我的模式吗？还是 matcher 没有计算出这个方法何时Matcher m = p.matcher(textToMatch);构造它的组，这会影响它的行为？

4

2 回答 2

1

我可以在这里看到两个问题。

首先，您m.find()多次调用该组作为参数，这并不像您认为的那样起作用。
如果您查看find(int start) 的 JavaDoc，您会看到它重置了匹配器，然后从输入的指定字符开始重新开始搜索。这解释了在以后的迭代中匹配的较短的数字序列。

其次，您需要循环直到groups <= m.groupCount()获取所有组： 

    Pattern p =
            Pattern.compile("(\\[.*?\\]|\".*?\")?.*?(\\d{1,3}(?:,\\d{3})*?(?:\\.\\d+)?).*?(\\[.*?\\]|\".*?\")",
                Pattern.CASE_INSENSITIVE | Pattern.DOTALL);
    Matcher m = p.matcher(textToMatch);
    if (m.find()) {
        for (int groups = 0; groups <= m.groupCount(); groups++) {
            System.out.println("Group " + groups + " contains " + m.group(groups));
        }
    }

印刷

第 0 组包含 100.000[$₮-45]
第 1 组包含 null
第 2 组包含 100.000
第 3 组包含 [$₮-45]

于 2013-04-11T13:04:38.813 回答
0

看起来问题出在这部分：(?:,\\d{3})*?

我想你需要((?:,\\d{3})*)?

于 2013-04-11T13:17:35.927 回答