Dopasuj tekst wielowierszowy za pomocą wyrażenia regularnego

Próbuję dopasować tekst wielowierszowy za pomocą języka Java. Kiedy używam Patternklasy z Pattern.MULTILINEmodyfikatorem, jestem w stanie dopasować, ale nie jestem w stanie tego zrobić z(?m).

Wydaje się, że ten sam wzorzec zi (?m)używania String.matchesnie działa.

Jestem pewien, że czegoś mi brakuje, ale nie mam pojęcia, co. Nie jestem dobry w wyrażeniach regularnych.

Właśnie tego próbowałem

String test = "User Comments: This is \t a\ta \n test \n\n message \n";

String pattern1 = "User Comments: (\\W)*(\\S)*";
Pattern p = Pattern.compile(pattern1, Pattern.MULTILINE);
System.out.println(p.matcher(test).find());  //true

String pattern2 = "(?m)User Comments: (\\W)*(\\S)*";
System.out.println(test.matches(pattern2));  //false - why?

Po pierwsze, używasz modyfikatorów przy nieprawidłowym założeniu.

Pattern.MULTILINElub (?m)mówi Javie, aby zaakceptowała kotwice ^i $dopasowała na początku i na końcu każdego wiersza (w przeciwnym razie pasują one tylko na początku / końcu całego ciągu).

Pattern.DOTALLlub (?s)mówi Javie, aby zezwoliła również kropce na dopasowanie znaków nowej linii.

Po drugie, w twoim przypadku wyrażenie regularne zawodzi, ponieważ używasz matches()metody, która oczekuje, że wyrażenie regularne będzie pasować do całego ciągu - co oczywiście nie działa, ponieważ po (\\W)*(\\S)*dopasowaniu pozostało kilka znaków .

Więc jeśli szukasz po prostu ciągu zaczynającego się od User Comments:, użyj wyrażenia regularnego

^\s*User Comments:\s*(.*)

z Pattern.DOTALLopcją:

Pattern regex = Pattern.compile("^\\s*User Comments:\\s+(.*)", Pattern.DOTALL);
Matcher regexMatcher = regex.matcher(subjectString);
if (regexMatcher.find()) {
    ResultString = regexMatcher.group(1);
} 

ResultString będzie zawierać tekst po User Comments:

Nie ma to nic wspólnego z flagą MULTILINE; to, co widzisz, to różnica między metodami find()i matches(). find()powiedzie się, jeśli dopasowanie można znaleźć w dowolnym miejscu w ciągu docelowym , podczas gdy matches()oczekuje, że wyrażenie regularne będzie pasować do całego ciągu .

Pattern p = Pattern.compile("xyz");

Matcher m = p.matcher("123xyzabc");
System.out.println(m.find());    // true
System.out.println(m.matches()); // false

Matcher m = p.matcher("xyz");
System.out.println(m.matches()); // true

Co więcej, MULTILINEnie oznacza tego, co myślisz, że robi. Wiele osób wydaje się dochodzić do wniosku, że musisz użyć tej flagi, jeśli twój docelowy ciąg zawiera znaki nowej linii - to znaczy, jeśli zawiera wiele linii logicznych. Widziałem tutaj kilka odpowiedzi na SO w tym celu, ale w rzeczywistości wszystko, co robi ta flaga, to zmienia zachowanie kotwic, ^i $.

Zwykle ^dopasowuje sam początek ciągu docelowego i $dopasowuje sam koniec (lub przed nową linią na końcu, ale na razie zostawimy to na boku). Ale jeśli ciąg zawiera znaki nowej linii, możesz wybrać opcję ^i $dopasować na początku i na końcu dowolnej linii logicznej, a nie tylko na początku i na końcu całego ciągu, ustawiając flagę MULTILINE.

Więc zapomnij o tym, co MULTILINE oznacza i po prostu pamiętaj, co robi : zmienia zachowanie kotwic ^i $. DOTALLtryb początkowo był nazywany „jednoliniowym” (i nadal występuje w niektórych wersjach, w tym w Perlu i .NET) i zawsze powodował podobne zamieszanie. Na szczęście twórcy Javy wybrali w tym przypadku bardziej opisową nazwę, ale nie było rozsądnej alternatywy dla trybu „wielowierszowego”.

W Perlu, gdzie całe to szaleństwo się zaczęło, przyznali się do błędu i pozbyli się trybu „wielowierszowego” i „pojedynczej linii” w wyrażeniach regularnych Perl 6. Za dwadzieścia lat może reszta świata pójdzie w ich ślady.

str.matches(regex) zachowuje się tak, jakby Pattern.matches(regex, str) próbował dopasować całą sekwencję wejściową do wzorca i zwraca

truejeśli i tylko wtedy, gdy cała sekwencja wejściowa pasuje do wzorca tego dopasowania

Natomiast matcher.find() próbuje znaleźć następny podciąg sekwencji wejściowej, który pasuje do wzorca i zwraca

truejeśli i tylko wtedy, gdy podciąg sekwencji wejściowej pasuje do wzorca tego dopasowania

Tak więc problem dotyczy wyrażenia regularnego. Spróbuj wykonać następujące czynności.

String test = "User Comments: This is \t a\ta \ntest\n\n message \n";

String pattern1 = "User Comments: [\\s\\S]*^test$[\\s\\S]*";
Pattern p = Pattern.compile(pattern1, Pattern.MULTILINE);
System.out.println(p.matcher(test).find());  //true

String pattern2 = "(?m)User Comments: [\\s\\S]*^test$[\\s\\S]*";
System.out.println(test.matches(pattern2));  //true

Krótko mówiąc, (\\W)*(\\S)*część w twoim pierwszym wyrażeniu regularnym dopasowuje pusty ciąg, ponieważ *oznacza zero lub więcej wystąpień, a prawdziwy dopasowany ciąg to, User Comments:a nie cały ciąg, jak można się spodziewać. Drugi zawodzi, ponieważ próbuje dopasować cały ciąg, ale nie może \\Wdopasować znaku innego niż słowo, tj. [^a-zA-Z0-9_]A pierwszy znak to Tznak słowa.

Flaga multilinii mówi regex, aby dopasował wzorzec do każdej linii, a nie do całego ciągu. Do twoich celów wystarczy wieloznaczna karta.