просмотр вперед и группа

В Java для такого текста, как foo <on> bar </on> thing <on> again</on> now, мне нужно регулярное выражение с группами, которые дают мне поиск «foo», «bar», пустую строку, затем «вещь», «снова», «сейчас».

Если я делаю (.*?)<on>(.*?)</on>(?!<on>), я получаю только две группы (foo bar, снова вещь, и у меня нет конца "сейчас").

если я делаю (.*?)<on>(.*?)</on>((?!<on>)), я получаю пустую строку foo bar, затем снова что-то и пустую строку (здесь я должен хотеть "сейчас").

Пожалуйста, что за волшебная формула?

Спасибо.


java regex regex-lookarounds
person Istao    schedule 21.05.2010    source источник
comment
Это очень похоже на XML. Это на самом деле XML? Если это так, используйте XML API вместо регулярного выражения.   -  person Jon Skeet    schedule 21.05.2010
comment
У тебя проблемы ? Вы хотите решить это с помощью регулярных выражений? Ну угадайте что?   -  person Riduidel    schedule 21.05.2010
comment
Откуда берется пустая строка?   -  person polygenelubricants    schedule 21.05.2010
comment
Да, это xml, но я пытаюсь использовать регулярное выражение :-) Я не понимаю комментарий Riduidel, извините.   -  person Istao    schedule 21.05.2010
comment
Regex по определению не может надежно работать с нестандартными языками, такими как XML. @Riduidel имеет в виду печально известную цитату Джейми Завински, которую вы, к сожалению, найдете в каждом другом вопросе о регулярных выражениях здесь, на SO, но в данном случае это уместно.   -  person Tim Pietzcker    schedule 21.05.2010
comment
@Tim: я бы не сказал, что Regex по определению.... Regular languages по определению... конечно, но однозначного регулярного выражения не существует. Вы правы, что люди злоупотребляют регулярными выражениями для подобных вещей.   -  person polygenelubricants    schedule 21.05.2010

Ответы (2)


arrow_upward
0
arrow_downward

Мои рекомендации

  • нет необходимости сопоставлять текст до <on> и после </on>
  • используйте нежадные флаги для сопоставления текста между <on> и следующим </on>
  • используйте цикл с Matcher.find() для последовательности всех вхождений, если это возможно. Не нужно делать все сразу с одним большим толстым регулярным выражением!
person Ingo    schedule 21.05.2010
comment
Отлично. Таким образом, ваша программа будет более читабельной и ремонтопригодной. - person Ingo; 21.05.2010

arrow_upward
2
arrow_downward

Если вы настаиваете на том, чтобы делать это с помощью регулярных выражений, вы можете попробовать использовать \s*<[^>]*>\s* в качестве разделителя:

    String text = "foo <on> bar </on> thing <on> again</on> now";
    String[] parts = text.split("\\s*<[^>]*>\\s*");
    System.out.println(java.util.Arrays.toString(parts));
    // "[foo, bar, thing, again, now]"

Я не уверен, что это именно то, что вам нужно, потому что это не совсем ясно.

Возможно, требовалось что-то вроде этого:

    String text = "1<on>2</on>3<X>4</X>5<X>6</X>7<on>8</on><X>9</X>10";
    String[] parts = text.split("\\s*</?on>\\s*|<[^>]*>[^>]*>");
    System.out.println(java.util.Arrays.toString(parts));
    // prints "[1, 2, 3, 5, 7, 8, , 10]"

Это не обрабатывает вложенные теги. Если они у вас есть, вам действительно нужно сбросить регулярное выражение и использовать настоящий парсер HTML.

Если вам не нужна пустая строка в середине массива, то просто (?:delimiter)+.

    String text = "1<on>2</on>3<X>4</X>5<X>6</X>7<on>8</on><X>9</X>10";
    String[] parts = text.split("(?:\\s*</?on>\\s*|<[^>]*>[^>]*>)+");
    System.out.println(java.util.Arrays.toString(parts));
    // prints "[1, 2, 3, 5, 7, 8, 10]"
person polygenelubricants    schedule 21.05.2010
comment
Нет, извините, я хочу ловить «на» и только «на», а не «в», например. - person Istao; 21.05.2010
comment
@Istao: Все еще не ясно. Зачем тогда нужны foo и thing? Отредактируйте вопрос с НАМНОГО БОЛЬШЕ примеров. - person polygenelubricants; 21.05.2010