Java正則表達式API邊界匹配

Posted on by

Boundary Matchers

Java regex API還支持邊界匹配。如果我們關心在輸入文本中匹配的確切位置，那麼這就是我們要尋找的。在前面的示例中，我們關心的隻是是否找到匹配項。

為瞭僅在文本開頭所需的正則表達式為true時匹配，我們使用插入符號^。

此測試將失敗，因為可以在開頭找到文本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);
}

為瞭僅在文本末尾所需的正則表達式為true時匹配，我們使用美元字符$。在以下情況下會找到匹配項：

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

並且沒有找到匹配：

@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才需要匹配，則在正則表達式的開頭和結尾使用\\b正則表達式：

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，是因為字符串的開頭以及文本之間的空格標記瞭單詞邊界，但是以下測試顯示瞭相反的結果：

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

一行中出現的兩個單詞字符不會標記單詞邊界，但我們可以通過更改正則表達式的結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，我們隻以基本方式創建瞭模式對象。然而，這個類有另一個compile方法的變體，它接受一組標志以及影響模式匹配方式的regex參數。

這些標志隻是抽象的整數值。讓我們重載test類中的runTest方法，以便它可以將標志作為第三個參數：

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;
}

在本節中，我們將瞭解不同的支持標志以及它們的使用方式。

Pattern.CANON_EQ

此標志啟用canonical equivalence，當且僅當兩個字符的完整規范分解匹配時，才會認為這兩個字符匹配。

考慮帶重音的Unicode字符é。它的復合代碼點是u00E9。但是，Unicode的組成字符e、u0065和u0301也有單獨的代碼點。在這種情況下，合成字符u00E9與雙字符序列u0065 u0301無法區分。

默認情況下，匹配不考慮規范等效：

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

但如果添加標志，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，此標志都支持匹配。默認情況下，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，使用此標志，我們可以更改默認行為：

@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志表達式來實現相同的結果：

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

Pattern.COMMENTS

Java API允許在正則表達式中包含使用#的註釋。這有助於記錄復雜的正則表達式，而其他程序員可能無法立即看到這些正則表達式。

comments標志使matcher忽略正則表達式中的任何空白或註釋，隻考慮模式。

在默認匹配模式下，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);
}

這是因為匹配器將在輸入文本中查找整個正則表達式，包括空格和#字符。但當我們使用該標志時，它將忽略額外的空格，並且以#開頭的每個文本都將被視為每行要忽略的註釋：

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

還有一個替代的嵌入式標志表達式：

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

到此這篇關於Java正則表達式API邊界匹配的文章就介紹到這瞭,更多相關Java正則表達式內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：