java使用正则表达式匹配多行文本

Question

我正在尝试使用java匹配多行文本。当我将Pattern类与Pattern.MULTILINE修饰符一起使用时，我能够匹配，但无法与(?m).匹配

使用(?m)和使用String.matches的相同模式似乎不起作用

我肯定我错过了什么，但不知道是什么。我不太擅长正则表达式

这就是我试过的

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?

Answer 1

str.matches(regex)behaves like{}它尝试根据模式匹配整个输入序列并返回

true if, and only if, the entire input sequence matches this matcher's pattern

而matcher.find()attempts to find是与模式匹配并返回的输入序列的下一个子序列

true if, and only if, a subsequence of the input sequence matches this matcher's pattern

因此，问题在于正则表达式。尝试以下方法

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

因此，简而言之，第一个正则表达式中的(\\W)*(\\S)*部分匹配一个空字符串，因为*意味着零次或多次出现，而真正匹配的字符串是User Comments:，而不是您期望的整个字符串。第二个失败，因为它试图匹配整个字符串，但无法匹配，因为\\W匹配非单词字符，即[^a-zA-Z0-9_]，而第一个字符是T，一个单词字符

Answer 2

这与多行标志无关；您看到的是find()和matches()方法之间的差异^如果在目标字符串中的任何位置都能找到匹配项，{}将成功，而matches()希望正则表达式匹配整个字符串

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

此外，MULTILINE并不意味着你认为它是什么。许多人似乎会得出这样的结论：如果目标字符串包含换行符，也就是说，如果它包含多个逻辑行，则必须使用该标志。我在这里看到了一些关于这一点的答案，但事实上，这个标志所做的只是改变锚的行为，^和$

通常^匹配目标字符串的最开头，而$匹配最结尾（或者在结尾的换行符之前，但我们暂时不讨论这一点）。但是，如果字符串包含换行符，则可以通过设置多行标志来选择^和$在任何逻辑行的开始和结束处匹配，而不仅仅是整个字符串的开始和结束处

所以，忘掉MULTILINE的意思，只记得它做了什么：改变^和$锚的行为DOTALL模式最初被称为“单线模式”（在某些风格中，包括Perl和.NET），它总是引起类似的混淆。幸运的是，在这种情况下，Java开发人员使用了更具描述性的名称，但“多行”模式没有合理的替代方案

在Perl中，所有这些疯狂开始了，他们已经承认了自己的错误，并且在Perl6正则表达式中摆脱了“多行”和“单行”模式。再过二十年，也许世界其他地方也会效仿

Answer 3

多行标志告诉正则表达式将模式匹配到每一行，而不是整个字符串。对于您的目的，通配符就足够了

Answer 4

首先，在错误的假设下使用修饰符

Pattern.MULTILINE或(?m)告诉Java接受锚^和$以在每行的开始和结束处匹配（否则它们只在整个字符串的开始/结束处匹配）

Pattern.DOTALL或(?s)告诉Java也允许点匹配换行符

第二，在您的例子中，正则表达式失败是因为您使用了matches()方法，该方法期望正则表达式匹配整个字符串-当然，这不起作用，因为在(\\W)*(\\S)*匹配之后还有一些字符

因此，如果只是查找以User Comments:开头的字符串，请使用正则表达式

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

使用Pattern.DOTALL选项：

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

ResultString将在User Comments:之后包含文本