代码之家 › 专栏 › 技术社区 › polygenelubricants

正则表达式拆分为重叠字符串

overlapping-matches split regex java

polygenelubricants · 技术社区 · 15 年前

我正在探索正则表达式的威力,所以我想知道这样的事情是否可能:

public class StringSplit {
    public static void main(String args[]) {
        System.out.println(
            java.util.Arrays.deepToString(
                "12345".split(INSERT_REGEX_HERE)
            )
        ); // prints "[12, 23, 34, 45]"
    }
}

如果可能的话,只需提供regex(并先发制人地解释它是如何工作的)。

如果只在Java以外的一些正则表达式中使用,那么也可以免费提供。

如果不可能,请解释原因。

奖金问题

同样的问题,但是 find() 循环而不是 split :

    Matcher m = Pattern.compile(BONUS_REGEX).matcher("12345");
    while (m.find()) {
        System.out.println(m.group());
    } // prints "12", "23", "34", "45"

请注意,这并不是说我有一个具体的任务来完成一种或另一种方式,而是我想要理解正则表达式。我不需要做我想做的事情的代码;我需要正则表达式,如果它们存在的话,我可以在上面的代码中使用它们来完成任务(或者使用其他风格的正则表达式来将代码“直接翻译”成另一种语言)。

如果它们不存在,我希望有一个很好的可靠的解释。

5 回复 | 直到 13 年前

Alan Moore Chris Ballance 15 年前

我认为这是不可能的 split() ,但使用 find() 很简单。只需在捕获组内使用先行:

Matcher m = Pattern.compile("(?=(\\d\\d)).").matcher("12345");
while (m.find())
{
  System.out.println(m.group(1));
}

许多人不知道在lookahead或lookback中捕获的文本可以在匹配后引用,就像其他捕获一样。在这种情况下,捕捉是“整体”匹配的一个超集,这是非常违反直觉的。

事实上,即使regex作为一个整体不匹配,它也可以工作。从上面的正则表达式中删除点( "(?=(\\d\\d))" )你会得到同样的结果。这是因为,每当成功的匹配不消耗任何字符时,regex引擎会在尝试再次匹配之前自动向前移动一个位置,以防止出现无限循环。

没有 拆分() 但是,至少在Java中,这种技术是等价的。尽管您可以对查找和其他零宽度断言进行拆分,但无法使同一个字符出现在多个子字符串中。

Tim Cooper 14 年前

这个有点重的实现使用 Matcher.find 而不是 split 也可以,不过到了你需要编码的时候 for 对于这样一个简单的任务,您还可以完全删除正则表达式并使用子字符串(对于类似的编码复杂性减去CPU周期):

import java.util.*;
import java.util.regex.*;

public class StringSplit { 
    public static void main(String args[]) { 
        ArrayList<String> result = new ArrayList<String>();
        for (Matcher m = Pattern.compile("..").matcher("12345"); m.find(result.isEmpty() ? 0 : m.start() + 1); result.add(m.group()));
        System.out.println( result.toString() ); // prints "[12, 23, 34, 45]" 
    } 
}

编辑1

match() :为什么到目前为止还没有人能够编造出像 BONUS_REGEX 就在里面 Matcher ,它将继续查找上一个组结束的下一个组(即没有重叠),这取决于上一个组开始的位置之后——也就是说,没有明确地重新定义开始搜索位置(上面)。很好的候选人 奖金 本来应该是 "(.\\G.|^..)" 但不幸的是, \G 在中间技巧中的锚不适用于Java Match (但在Perl中工作得很好):

 perl -e 'while ("12345"=~/(^..|.\G.)/g) { print "$1\n" }'
 12
 23
 34
 45

split() :至于 INSERT_REGEX_HERE 一个好的候选人 (?<=..)(?=..) (拆分点是零宽度的位置,在这里我有两个字符在右边,两个在左边),但同样,因为 分裂 减少你最后的重叠 [12, 3, 45] (很近,但没有雪茄。)

编辑2

为了好玩,你可以耍花招 拆分() 首先将非边界字符加倍(此处需要保留字符值来拆分),以完成所需操作:

Pattern.compile("((?<=.).(?=.))").matcher("12345").replaceAll("$1#$1").split("#")

我们可以利用零宽度这一事实,聪明地消除对保留字符的需要。 展望未来 断言(与后面的查看不同)可以有无限长;因此,我们可以围绕 偶数个字符之外 从双字符串的结尾(至少从其开头开始两个字符),产生与上面相同的结果:

Pattern.compile("((?<=.).(?=.))").matcher("12345").replaceAll("$1$1").split("(?<=..)(?=(..)*$)")

或者是欺骗 匹配() 以类似的方式(但不需要保留字符值):

Matcher m = Pattern.compile("..").matcher(
  Pattern.compile("((?<=.).(?=.))").matcher("12345").replaceAll("$1$1")
);
while (m.find()) { 
    System.out.println(m.group()); 
} // prints "12", "23", "34", "45"

Ry4an Brase 15 年前

把一根弦劈成多段,但这不允许重叠。你需要用一个循环来得到重叠的部分。

Ian C. 15 年前

我认为用split()不能这样做,因为它会丢弃与正则表达式匹配的部分。

在Perl中,这项工作:

my $string = '12345';
my @array = ();
while ( $string =~ s/(\d(\d))/$2/ ) {
    push(@array, $1);
}
print join(" ", @array);
# prints: 12 23 34 45

find和replace表达式表示:匹配前两个相邻的数字,并用两个数字中的第二个数字替换字符串中的数字。

Alan Moore Chris Ballance 15 年前

或者,使用与Perl的纯匹配。应该在任何有风头的地方工作。这里不需要循环。

 $_ = '12345';
 @list = /(?=(..))./g;
 print "@list";

 # Output:
 # 12 23 34 45

但如前所述,如果这个技巧奏效的话,这个就更好了:

 $_ = '12345';
 @list = /^..|.\G./g;
 print "@list";

 # Output:
 # 12 23 34 45

编辑 :对不起,没看见 全部的 其中的已发布。