Ordnen Sie mehrzeiligem Text mithilfe eines regulären Ausdrucks zu

Ich versuche, einen mehrzeiligen Text mit Java abzugleichen. Wenn ich die benutze Pattern Klasse mit der Pattern.MULTILINE Modifikator kann ich abgleichen, aber ich kann das nicht mit (?m).

Das gleiche Muster mit (?m) und verwenden String.matches scheint nicht zu funktionieren.

Ich bin mir sicher, dass ich etwas vermisse, aber keine Ahnung was. Bin nicht sehr gut in regulären Ausdrücken.

Das habe ich versucht

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?

Erstens verwenden Sie die Modifikatoren unter einer falschen Annahme.

Pattern.MULTILINE oder (?m) weist Java an, die Anker zu akzeptieren ^ und $ am Anfang und am Ende jeder Zeile übereinstimmen (ansonsten passen sie nur am Anfang/Ende der gesamten Zeichenfolge).

Pattern.DOTALL oder (?s) weist Java an, den Punkt auch mit Newline-Zeichen zu vergleichen.

Zweitens schlägt in Ihrem Fall die Regex fehl, weil Sie die verwenden matches() Methode, die erwartet, dass die Regex mit der übereinstimmt gesamte string – was natürlich nicht funktioniert, da danach noch einige Zeichen übrig sind (\\W)*(\\S)* abgestimmt haben.

Wenn Sie also einfach nach einer Zeichenfolge suchen, die mit beginnt User Comments:verwenden Sie die Regex

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

mit dem Pattern.DOTALL Möglichkeit:

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

ResultString enthält dann den Text danach User Comments:

Das hat nichts mit dem MULTILINE-Flag zu tun; Was Sie sehen, ist der Unterschied zwischen dem find() und matches() Methoden. find() erfolgreich, wenn eine Übereinstimmung gefunden werden kann irgendwo in der Zielzeichenfolgewährend matches() erwartet, dass die Regex übereinstimmt die gesamte Saite.

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

Außerdem, MULTILINE bedeutet nicht, was Sie denken, dass es tut. Viele Leute scheinen zu dem Schluss zu kommen, dass Sie dieses Flag verwenden müssen, wenn Ihre Zielzeichenfolge Zeilenumbrüche enthält – das heißt, wenn sie mehrere logische Zeilen enthält. Ich habe hier auf SO mehrere Antworten zu diesem Zweck gesehen, aber tatsächlich ändert dieses Flag nur das Verhalten der Anker. ^ und $.

Normalerweise ^ stimmt mit dem Anfang der Zielzeichenfolge überein, und $ passt ganz am Ende (oder vor einem Zeilenumbruch am Ende, aber das lassen wir jetzt beiseite). Aber wenn die Zeichenfolge Zeilenumbrüche enthält, können Sie wählen ^ und $ um am Anfang und Ende einer beliebigen logischen Zeile, nicht nur am Anfang und Ende der gesamten Zeichenfolge, zu passen, indem Sie das MULTILINE-Flag setzen.

Also vergiss was MULTILINE bedeutet und denken Sie daran, was es ist tut: ändert das Verhalten der ^ und $ Anker. DOTALL Der Modus wurde ursprünglich “Single-Line” genannt (und ist in einigen Varianten immer noch vorhanden, einschließlich Perl und .NET), und er hat immer ähnliche Verwirrung gestiftet. Wir haben Glück, dass sich die Java-Entwickler in diesem Fall für den aussagekräftigeren Namen entschieden haben, aber es gab keine vernünftige Alternative für den “mehrzeiligen” Modus.

In Perl, wo dieser ganze Wahnsinn begann, haben sie ihren Fehler zugegeben und sowohl den “mehrzeiligen” als auch den “einzeiligen” Modus in den regulären Ausdrücken von Perl 6 losgeworden. In zwanzig Jahren wird vielleicht der Rest der Welt nachgezogen sein.

str.matches(regex) benimmt sich wie Pattern.matches(regex, str) die versucht, die gesamte Eingabesequenz mit dem Muster abzugleichen und zurückgibt

true wenn, und nur wenn, die gesamte Eingabesequenz stimmt mit dem Muster dieses Matchers überein

Wohingegen matcher.find() Versuche zu finden die nächste Teilsequenz der Eingabesequenz, die mit dem Muster übereinstimmt und zurückkehrt

true wenn, und nur wenn, a Folge der Eingabesequenz mit dem Muster dieses Matchers übereinstimmt

Das Problem liegt also bei der Regex. Versuche Folgendes.

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

Also kurz gesagt, die (\\W)*(\\S)* Teil in Ihrer ersten Regex stimmt mit einer leeren Zeichenfolge überein * bedeutet null oder mehr Vorkommen und die echte übereinstimmende Zeichenfolge ist User Comments: und nicht die ganze Zeichenfolge, wie Sie es erwarten würden. Der zweite schlägt fehl, da er versucht, die gesamte Zeichenfolge abzugleichen, dies jedoch nicht kann \\W entspricht einem Nicht-Wort-Zeichen, dh [^a-zA-Z0-9_] und das erste Zeichen ist Tein Wortzeichen.

Das Multiline-Flag weist Regex an, das Muster jeder Zeile und nicht der gesamten Zeichenfolge zuzuordnen. Für Ihre Zwecke reicht ein Platzhalter aus.