Java正則表達(dá)式API邊界匹配

更新時(shí)間：2022年06月10日 08:17:43 作者：?sofia

這篇文章主要介紹了Java正則表達(dá)式API邊界匹配，文章圍繞主題展開相應(yīng)的相關(guān)資料，具有一定的參考價(jià)值，需要的朋友可以參考一下

Boundary Matchers

Java regex API還支持邊界匹配。如果我們關(guān)心在輸入文本中匹配的確切位置，那么這就是我們要尋找的。在前面的示例中，我們關(guān)心的只是是否找到匹配項(xiàng)。

為了僅在文本開頭所需的正則表達(dá)式為true時(shí)匹配，我們使用插入符號^。

此測試將失敗，因?yàn)榭梢栽陂_頭找到文本dog：

@Test
public void givenText_whenMatchesAtBeginning_thenCorrect() {
    int matches = runTest("^dog", "dogs are friendly");
 
    assertTrue(matches > 0);
}

下面的測試將失敗：

@Test
public void givenTextAndWrongInput_whenMatchFailsAtBeginning_
  thenCorrect() {
    int matches = runTest("^dog", "are dogs are friendly?");
 
    assertFalse(matches > 0);
}

為了僅在文本末尾所需的正則表達(dá)式為true時(shí)匹配，我們使用美元字符$。在以下情況下會找到匹配項(xiàng)：

@Test
public void givenText_whenMatchesAtEnd_thenCorrect() {
    int matches = runTest("dog$", "Man's best friend is a dog");
 
    assertTrue(matches > 0);
}

并且沒有找到匹配：

@Test
public void givenTextAndWrongInput_whenMatchFailsAtEnd_thenCorrect() {
    int matches = runTest("dog$", "is a dog man's best friend?");
 
    assertFalse(matches > 0);
}

如果僅在單詞邊界處找到所需文本時(shí)才需要匹配，則在正則表達(dá)式的開頭和結(jié)尾使用\\b正則表達(dá)式：

空格是單詞邊界：

@Test
public void givenText_whenMatchesAtWordBoundary_thenCorrect() {
    int matches = runTest("\\bdog\\b", "a dog is friendly");
 
    assertTrue(matches > 0);
}

行首的空字符串也是單詞邊界：

@Test
public void givenText_whenMatchesAtWordBoundary_thenCorrect2() {
    int matches = runTest("\\bdog\\b", "dog is man's best friend");
 
    assertTrue(matches > 0);
}

這些測試之所以通過，是因?yàn)樽址拈_頭以及文本之間的空格標(biāo)記了單詞邊界，但是以下測試顯示了相反的結(jié)果：

@Test
public void givenWrongText_whenMatchFailsAtWordBoundary_thenCorrect() {
    int matches = runTest("\\bdog\\b", "snoop dogg is a rapper");
 
    assertFalse(matches > 0);
}

一行中出現(xiàn)的兩個(gè)單詞字符不會標(biāo)記單詞邊界，但我們可以通過更改正則表達(dá)式的結(jié)尾來查找非單詞邊界：

@Test
public void givenText_whenMatchesAtWordAndNonBoundary_thenCorrect() {
    int matches = runTest("\\bdog\\B", "snoop dogg is a rapper");
    assertTrue(matches > 0);
}

Pattern Class Methods

之前，我們只以基本方式創(chuàng)建了模式對象。然而，這個(gè)類有另一個(gè)compile方法的變體，它接受一組標(biāo)志以及影響模式匹配方式的regex參數(shù)。

這些標(biāo)志只是抽象的整數(shù)值。讓我們重載test類中的runTest方法，以便它可以將標(biāo)志作為第三個(gè)參數(shù)：

public static int runTest(String regex, String text, int flags) {
    pattern = Pattern.compile(regex, flags);
    matcher = pattern.matcher(text);
    int matches = 0;
    while (matcher.find()){
        matches++;
    }
    return matches;
}

在本節(jié)中，我們將了解不同的支持標(biāo)志以及它們的使用方式。

Pattern.CANON_EQ

此標(biāo)志啟用canonical equivalence，當(dāng)且僅當(dāng)兩個(gè)字符的完整規(guī)范分解匹配時(shí)，才會認(rèn)為這兩個(gè)字符匹配。

考慮帶重音的Unicode字符é。它的復(fù)合代碼點(diǎn)是u00E9。但是，Unicode的組成字符e、u0065和u0301也有單獨(dú)的代碼點(diǎn)。在這種情況下，合成字符u00E9與雙字符序列u0065 u0301無法區(qū)分。

默認(rèn)情況下，匹配不考慮規(guī)范等效：

@Test
public void givenRegexWithoutCanonEq_whenMatchFailsOnEquivalentUnicode_thenCorrect() {
    int matches = runTest("\u00E9", "\u0065\u0301");
 
    assertFalse(matches > 0);
}

但如果添加標(biāo)志，則測試將通過：

@Test
public void givenRegexWithCanonEq_whenMatchesOnEquivalentUnicode_thenCorrect() {
    int matches = runTest("\u00E9", "\u0065\u0301", Pattern.CANON_EQ);
 
    assertTrue(matches > 0);
}

Pattern.CASE_INSENSITIVE

無論大小寫，此標(biāo)志都支持匹配。默認(rèn)情況下，匹配會考慮大小寫：

@Test
public void givenRegexWithDefaultMatcher_whenMatchFailsOnDifferentCases_thenCorrect() {
    int matches = runTest("dog", "This is a Dog");
 
    assertFalse(matches > 0);
}

因此，使用此標(biāo)志，我們可以更改默認(rèn)行為：

@Test
public void givenRegexWithCaseInsensitiveMatcher
  _whenMatchesOnDifferentCases_thenCorrect() {
    int matches = runTest(
      "dog", "This is a Dog", Pattern.CASE_INSENSITIVE);
 
    assertTrue(matches > 0);
}

我們還可以使用等效的嵌入標(biāo)志表達(dá)式來實(shí)現(xiàn)相同的結(jié)果：

@Test
public void givenRegexWithEmbeddedCaseInsensitiveMatcher
  _whenMatchesOnDifferentCases_thenCorrect() {
    int matches = runTest("(?i)dog", "This is a Dog");
 
    assertTrue(matches > 0);
}

Pattern.COMMENTS

Java API允許在正則表達(dá)式中包含使用#的注釋。這有助于記錄復(fù)雜的正則表達(dá)式，而其他程序員可能無法立即看到這些正則表達(dá)式。

comments標(biāo)志使matcher忽略正則表達(dá)式中的任何空白或注釋，只考慮模式。

在默認(rèn)匹配模式下，以下測試將失敗：

@Test
public void givenRegexWithComments_whenMatchFailsWithoutFlag_thenCorrect() {
    int matches = runTest(
      "dog$  #check for word dog at end of text", "This is a dog");
 
    assertFalse(matches > 0);
}

這是因?yàn)槠ヅ淦鲗⒃谳斎胛谋局胁檎艺麄€(gè)正則表達(dá)式，包括空格和#字符。但當(dāng)我們使用該標(biāo)志時(shí)，它將忽略額外的空格，并且以#開頭的每個(gè)文本都將被視為每行要忽略的注釋：

@Test
public void givenRegexWithComments_whenMatchesWithFlag_thenCorrect() {
    int matches = runTest(
      "dog$  #check end of text","This is a dog", Pattern.COMMENTS);
 
    assertTrue(matches > 0);
}

還有一個(gè)替代的嵌入式標(biāo)志表達(dá)式：

@Test
public void givenRegexWithComments_whenMatchesWithEmbeddedFlag_thenCorrect() {
    int matches = runTest(
      "(?x)dog$  #check end of text", "This is a dog");
 
    assertTrue(matches > 0);
}

到此這篇關(guān)于Java正則表達(dá)式API邊界匹配的文章就介紹到這了,更多相關(guān)Java正則表達(dá)式內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: