Есть ли эквивалент java.util.regex для шаблонов типа «glob»?


87

Есть ли стандартная (желательно Apache Commons или аналогичная невирусная) библиотека для сопоставления типов "glob" в Java? Когда мне однажды пришлось сделать подобное в Perl, я просто поменял все « .» на « \.», « *« на » .*», « ?« на .»и тому подобное, но мне интересно, делал ли кто-нибудь работать на меня.

Аналогичный вопрос: создать регулярное выражение из выражения glob


GlobCompiler / GlobEngine от Jakarta ORO выглядит многообещающим. Он доступен по лицензии Apache.
Стив Траут,

Не могли бы вы привести точный пример того, чем вы хотите заниматься?
Торбьёрн Равн Андерсен

Что я хочу сделать (или, скорее, то, что хочет сделать мой клиент), - это сопоставить такие вещи, как « -2009 /» или «* rss » в URL-адресах. В большинстве случаев преобразование в регулярное выражение довольно тривиально, но мне было интересно, есть ли более простой способ.
Пол Томблин,

Я рекомендую подстановку файлов в стиле Ant, поскольку она, кажется, стала канонической подстановкой в ​​мире Java. Подробнее см. Мой ответ: stackoverflow.com/questions/1247772/… .
Адам Гент,

1
@BradMace, связанный, но большинство ответов предполагают, что вы перемещаетесь по дереву каталогов. Тем не менее, если кто-то все еще ищет, как выполнить сопоставление произвольных строк в стиле глобуса, им, вероятно, также следует поискать этот ответ.
Пол Томблин

Ответы:


47

Нет ничего встроенного, но довольно просто преобразовать что-то похожее на глобус в регулярное выражение:

public static String createRegexFromGlob(String glob)
{
    String out = "^";
    for(int i = 0; i < glob.length(); ++i)
    {
        final char c = glob.charAt(i);
        switch(c)
        {
        case '*': out += ".*"; break;
        case '?': out += '.'; break;
        case '.': out += "\\."; break;
        case '\\': out += "\\\\"; break;
        default: out += c;
        }
    }
    out += '$';
    return out;
}

это работает для меня, но я не уверен, что он охватывает глобус "стандарт", если он есть :)

Обновление от Пола Томблина: я нашел программу на perl, которая выполняет преобразование глобусов, и адаптируя ее к Java, я получил:

    private String convertGlobToRegEx(String line)
    {
    LOG.info("got line [" + line + "]");
    line = line.trim();
    int strLen = line.length();
    StringBuilder sb = new StringBuilder(strLen);
    // Remove beginning and ending * globs because they're useless
    if (line.startsWith("*"))
    {
        line = line.substring(1);
        strLen--;
    }
    if (line.endsWith("*"))
    {
        line = line.substring(0, strLen-1);
        strLen--;
    }
    boolean escaping = false;
    int inCurlies = 0;
    for (char currentChar : line.toCharArray())
    {
        switch (currentChar)
        {
        case '*':
            if (escaping)
                sb.append("\\*");
            else
                sb.append(".*");
            escaping = false;
            break;
        case '?':
            if (escaping)
                sb.append("\\?");
            else
                sb.append('.');
            escaping = false;
            break;
        case '.':
        case '(':
        case ')':
        case '+':
        case '|':
        case '^':
        case '$':
        case '@':
        case '%':
            sb.append('\\');
            sb.append(currentChar);
            escaping = false;
            break;
        case '\\':
            if (escaping)
            {
                sb.append("\\\\");
                escaping = false;
            }
            else
                escaping = true;
            break;
        case '{':
            if (escaping)
            {
                sb.append("\\{");
            }
            else
            {
                sb.append('(');
                inCurlies++;
            }
            escaping = false;
            break;
        case '}':
            if (inCurlies > 0 && !escaping)
            {
                sb.append(')');
                inCurlies--;
            }
            else if (escaping)
                sb.append("\\}");
            else
                sb.append("}");
            escaping = false;
            break;
        case ',':
            if (inCurlies > 0 && !escaping)
            {
                sb.append('|');
            }
            else if (escaping)
                sb.append("\\,");
            else
                sb.append(",");
            break;
        default:
            escaping = false;
            sb.append(currentChar);
        }
    }
    return sb.toString();
}

Я редактирую этот ответ, а не делаю свой, потому что этот ответ поставил меня на правильный путь.


1
Да, это в значительной степени решение, которое я придумал в последний раз, когда мне приходилось делать это (на Perl), но мне было интересно, есть ли что-то более элегантное. Думаю, я сделаю это по-твоему.
Пол Томблин,

1
На самом деле, я нашел лучшую реализацию в Perl, которую я могу адаптировать к Java, по адресу kobesearch.cpan.org/htdocs/Text-Glob/Text/Glob.pm.html
Пол Томблин

Не могли бы вы использовать замену регулярного выражения, чтобы превратить глобус в регулярное выражение?
Тим Сильвестр,

1
Строки вверху, которые удаляют начальные и конечные символы '*', должны быть удалены для java, поскольку String. соответствует только всей строке
KitsuneYMG

10
К вашему сведению: стандартом для «подстановки» является язык оболочки POSIX - opengroup.org/onlinepubs/009695399/utilities/…
Стивен К.

62

Глобббинг также запланирован на реализовать в Java 7.

См. FileSystem.getPathMatcher(String)И учебник «Поиск файлов» .


23
Замечательно. Но почему эта реализация ограничена объектами "Путь"?!? В моем случае я хочу сопоставить URI ...
Ив Мартин

3
При поиске источника sun.nio сопоставление глобусов, по-видимому, реализовано Globs.java . К сожалению, это написано специально для путей файловой системы, поэтому его нельзя использовать для всех строк (это делает некоторые предположения относительно разделителей путей и недопустимых символов). Но это может быть полезной отправной точкой.
Neil Traft

33

Спасибо всем присутствующим за их вклад. Я написал более полное преобразование, чем любой из предыдущих ответов:

/**
 * Converts a standard POSIX Shell globbing pattern into a regular expression
 * pattern. The result can be used with the standard {@link java.util.regex} API to
 * recognize strings which match the glob pattern.
 * <p/>
 * See also, the POSIX Shell language:
 * http://pubs.opengroup.org/onlinepubs/009695399/utilities/xcu_chap02.html#tag_02_13_01
 * 
 * @param pattern A glob pattern.
 * @return A regex pattern to recognize the given glob pattern.
 */
public static final String convertGlobToRegex(String pattern) {
    StringBuilder sb = new StringBuilder(pattern.length());
    int inGroup = 0;
    int inClass = 0;
    int firstIndexInClass = -1;
    char[] arr = pattern.toCharArray();
    for (int i = 0; i < arr.length; i++) {
        char ch = arr[i];
        switch (ch) {
            case '\\':
                if (++i >= arr.length) {
                    sb.append('\\');
                } else {
                    char next = arr[i];
                    switch (next) {
                        case ',':
                            // escape not needed
                            break;
                        case 'Q':
                        case 'E':
                            // extra escape needed
                            sb.append('\\');
                        default:
                            sb.append('\\');
                    }
                    sb.append(next);
                }
                break;
            case '*':
                if (inClass == 0)
                    sb.append(".*");
                else
                    sb.append('*');
                break;
            case '?':
                if (inClass == 0)
                    sb.append('.');
                else
                    sb.append('?');
                break;
            case '[':
                inClass++;
                firstIndexInClass = i+1;
                sb.append('[');
                break;
            case ']':
                inClass--;
                sb.append(']');
                break;
            case '.':
            case '(':
            case ')':
            case '+':
            case '|':
            case '^':
            case '$':
            case '@':
            case '%':
                if (inClass == 0 || (firstIndexInClass == i && ch == '^'))
                    sb.append('\\');
                sb.append(ch);
                break;
            case '!':
                if (firstIndexInClass == i)
                    sb.append('^');
                else
                    sb.append('!');
                break;
            case '{':
                inGroup++;
                sb.append('(');
                break;
            case '}':
                inGroup--;
                sb.append(')');
                break;
            case ',':
                if (inGroup > 0)
                    sb.append('|');
                else
                    sb.append(',');
                break;
            default:
                sb.append(ch);
        }
    }
    return sb.toString();
}

И модульные тесты, чтобы доказать, что это работает:

/**
 * @author Neil Traft
 */
public class StringUtils_ConvertGlobToRegex_Test {

    @Test
    public void star_becomes_dot_star() throws Exception {
        assertEquals("gl.*b", StringUtils.convertGlobToRegex("gl*b"));
    }

    @Test
    public void escaped_star_is_unchanged() throws Exception {
        assertEquals("gl\\*b", StringUtils.convertGlobToRegex("gl\\*b"));
    }

    @Test
    public void question_mark_becomes_dot() throws Exception {
        assertEquals("gl.b", StringUtils.convertGlobToRegex("gl?b"));
    }

    @Test
    public void escaped_question_mark_is_unchanged() throws Exception {
        assertEquals("gl\\?b", StringUtils.convertGlobToRegex("gl\\?b"));
    }

    @Test
    public void character_classes_dont_need_conversion() throws Exception {
        assertEquals("gl[-o]b", StringUtils.convertGlobToRegex("gl[-o]b"));
    }

    @Test
    public void escaped_classes_are_unchanged() throws Exception {
        assertEquals("gl\\[-o\\]b", StringUtils.convertGlobToRegex("gl\\[-o\\]b"));
    }

    @Test
    public void negation_in_character_classes() throws Exception {
        assertEquals("gl[^a-n!p-z]b", StringUtils.convertGlobToRegex("gl[!a-n!p-z]b"));
    }

    @Test
    public void nested_negation_in_character_classes() throws Exception {
        assertEquals("gl[[^a-n]!p-z]b", StringUtils.convertGlobToRegex("gl[[!a-n]!p-z]b"));
    }

    @Test
    public void escape_carat_if_it_is_the_first_char_in_a_character_class() throws Exception {
        assertEquals("gl[\\^o]b", StringUtils.convertGlobToRegex("gl[^o]b"));
    }

    @Test
    public void metachars_are_escaped() throws Exception {
        assertEquals("gl..*\\.\\(\\)\\+\\|\\^\\$\\@\\%b", StringUtils.convertGlobToRegex("gl?*.()+|^$@%b"));
    }

    @Test
    public void metachars_in_character_classes_dont_need_escaping() throws Exception {
        assertEquals("gl[?*.()+|^$@%]b", StringUtils.convertGlobToRegex("gl[?*.()+|^$@%]b"));
    }

    @Test
    public void escaped_backslash_is_unchanged() throws Exception {
        assertEquals("gl\\\\b", StringUtils.convertGlobToRegex("gl\\\\b"));
    }

    @Test
    public void slashQ_and_slashE_are_escaped() throws Exception {
        assertEquals("\\\\Qglob\\\\E", StringUtils.convertGlobToRegex("\\Qglob\\E"));
    }

    @Test
    public void braces_are_turned_into_groups() throws Exception {
        assertEquals("(glob|regex)", StringUtils.convertGlobToRegex("{glob,regex}"));
    }

    @Test
    public void escaped_braces_are_unchanged() throws Exception {
        assertEquals("\\{glob\\}", StringUtils.convertGlobToRegex("\\{glob\\}"));
    }

    @Test
    public void commas_dont_need_escaping() throws Exception {
        assertEquals("(glob,regex),", StringUtils.convertGlobToRegex("{glob\\,regex},"));
    }

}

Спасибо за этот код, Нил! Вы бы хотели дать ему лицензию с открытым исходным кодом?
Стивен,

1
Настоящим я подтверждаю, что код в этом ответе находится в открытом доступе.
Нил Трафт

Что мне еще делать? :-P
Neil Traft

9

Есть несколько библиотек, которые выполняют сопоставление шаблонов по типу Glob, которые более современны, чем перечисленные:

Сканер каталога муравьев и источники AntPathMatcher

Я рекомендую оба решения по сравнению с другими решениями, так как Ant Style Globbing в значительной степени стал стандартным синтаксисом glob в мире Java (Hudson, Spring, Ant и, я думаю, Maven).


1
Вот координаты Maven для артефакта с AntPathMatcher: search.maven.org/… И некоторые тесты с
примерами

И вы можете настроить характер "пути" ... так что он полезен для других вещей, кроме путей ...
Майкл Уайлс

7

Мне недавно пришлось это сделать и использовал \Q и, \Eчтобы избежать шаблона глобуса:

private static Pattern getPatternFromGlob(String glob) {
  return Pattern.compile(
    "^" + Pattern.quote(glob)
            .replace("*", "\\E.*\\Q")
            .replace("?", "\\E.\\Q") 
    + "$");
}

4
Не сломается ли это, если где-то в строке будет \ E?
jmo

@jmo, да, но вы можете обойти это, предварительно обработав globпеременную с помощью glob = Pattern.quote (glob), которая, как мне кажется, обрабатывает такие крайние случаи. Однако в этом случае вам не нужно добавлять первый и последний \\ Q и \\ E в начале и в конце.
Кимбалл Робинсон,

2
@jmo Я исправил пример использования Pattern.quote ().
dimo414

5

Это простая реализация Glob, которая обрабатывает * и? в шаблоне

public class GlobMatch {
    private String text;
    private String pattern;

    public boolean match(String text, String pattern) {
        this.text = text;
        this.pattern = pattern;

        return matchCharacter(0, 0);
    }

    private boolean matchCharacter(int patternIndex, int textIndex) {
        if (patternIndex >= pattern.length()) {
            return false;
        }

        switch(pattern.charAt(patternIndex)) {
            case '?':
                // Match any character
                if (textIndex >= text.length()) {
                    return false;
                }
                break;

            case '*':
                // * at the end of the pattern will match anything
                if (patternIndex + 1 >= pattern.length() || textIndex >= text.length()) {
                    return true;
                }

                // Probe forward to see if we can get a match
                while (textIndex < text.length()) {
                    if (matchCharacter(patternIndex + 1, textIndex)) {
                        return true;
                    }
                    textIndex++;
                }

                return false;

            default:
                if (textIndex >= text.length()) {
                    return false;
                }

                String textChar = text.substring(textIndex, textIndex + 1);
                String patternChar = pattern.substring(patternIndex, patternIndex + 1);

                // Note the match is case insensitive
                if (textChar.compareToIgnoreCase(patternChar) != 0) {
                    return false;
                }
        }

        // End of pattern and text?
        if (patternIndex + 1 >= pattern.length() && textIndex + 1 >= text.length()) {
            return true;
        }

        // Go on to match the next character in the pattern
        return matchCharacter(patternIndex + 1, textIndex + 1);
    }
}

5

Подобно Тони Edgecombe «s ответ , вот короткий и простой globber , что поддерживает *и ?без использования регулярных выражений, если кто -то нуждается.

public static boolean matches(String text, String glob) {
    String rest = null;
    int pos = glob.indexOf('*');
    if (pos != -1) {
        rest = glob.substring(pos + 1);
        glob = glob.substring(0, pos);
    }

    if (glob.length() > text.length())
        return false;

    // handle the part up to the first *
    for (int i = 0; i < glob.length(); i++)
        if (glob.charAt(i) != '?' 
                && !glob.substring(i, i + 1).equalsIgnoreCase(text.substring(i, i + 1)))
            return false;

    // recurse for the part after the first *, if any
    if (rest == null) {
        return glob.length() == text.length();
    } else {
        for (int i = glob.length(); i <= text.length(); i++) {
            if (matches(text.substring(i), rest))
                return true;
        }
        return false;
    }
}

1
Отличный ответ тихи! Это достаточно просто, чтобы понять при быстром чтении и не слишком
вводить в заблуждение

3

Это может быть немного хакерский подход. Я понял это из Files.newDirectoryStream(Path dir, String glob)кода NIO2 . Обратите внимание, что при каждом совпадении Pathсоздается новый объект. Пока мне удалось протестировать это только на Windows FS, однако я считаю, что это должно работать и на Unix.

// a file system hack to get a glob matching
PathMatcher matcher = ("*".equals(glob)) ? null
    : FileSystems.getDefault().getPathMatcher("glob:" + glob);

if ("*".equals(glob) || matcher.matches(Paths.get(someName))) {
    // do you stuff here
}

ОБНОВЛЕНИЕ Работает как на Mac, так и на Linux.


2

Я не знаю о «стандартной» реализации, но мне известен проект sourceforge, выпущенный под лицензией BSD, в котором реализовано глобальное сопоставление для файлов. Он реализован в одном файле , возможно, вы сможете адаптировать его под свои требования.



0

Давным-давно я выполнял массовую фильтрацию текста с помощью глобусов, поэтому написал небольшой фрагмент кода (15 строк кода, никаких зависимостей, кроме JDK). Он обрабатывает только '*' (мне было достаточно), но его можно легко расширить на '?'. Это в несколько раз быстрее, чем предварительно скомпилированное регулярное выражение, не требует предварительной компиляции (по сути, это сравнение строки и строки каждый раз, когда сопоставляется шаблон).

Код:

  public static boolean miniglob(String[] pattern, String line) {
    if (pattern.length == 0) return line.isEmpty();
    else if (pattern.length == 1) return line.equals(pattern[0]);
    else {
      if (!line.startsWith(pattern[0])) return false;
      int idx = pattern[0].length();
      for (int i = 1; i < pattern.length - 1; ++i) {
        String patternTok = pattern[i];
        int nextIdx = line.indexOf(patternTok, idx);
        if (nextIdx < 0) return false;
        else idx = nextIdx + patternTok.length();
      }
      if (!line.endsWith(pattern[pattern.length - 1])) return false;
      return true;
    }
  }

Применение:

  public static void main(String[] args) {
    BufferedReader in = new BufferedReader(new InputStreamReader(System.in));
    try {
      // read from stdin space separated text and pattern
      for (String input = in.readLine(); input != null; input = in.readLine()) {
        String[] tokens = input.split(" ");
        String line = tokens[0];
        String[] pattern = tokens[1].split("\\*+", -1 /* want empty trailing token if any */);

        // check matcher performance
        long tm0 = System.currentTimeMillis();
        for (int i = 0; i < 1000000; ++i) {
          miniglob(pattern, line);
        }
        long tm1 = System.currentTimeMillis();
        System.out.println("miniglob took " + (tm1-tm0) + " ms");

        // check regexp performance
        Pattern reptn = Pattern.compile(tokens[1].replace("*", ".*"));
        Matcher mtchr = reptn.matcher(line);
        tm0 = System.currentTimeMillis();
        for (int i = 0; i < 1000000; ++i) {
          mtchr.matches();
        }
        tm1 = System.currentTimeMillis();
        System.out.println("regexp took " + (tm1-tm0) + " ms");

        // check if miniglob worked correctly
        if (miniglob(pattern, line)) {
          System.out.println("+ >" + line);
        }
        else {
          System.out.println("- >" + line);
        }
      }
    } catch (IOException e) {
      // TODO Auto-generated catch block
      e.printStackTrace();
    }
  }

Скопируйте / вставьте отсюда


Поскольку это всего 15 строк, вы должны включить его сюда, если связанная страница не работает.
Raniz 04

0

Предыдущее решение по Vincent Robert / dimo414 зависит от Pattern.quote()реализуются в терминах \Q... \E, которые не описаны в API и , следовательно , не может быть для других / будущих реализаций Java. Следующее решение устраняет эту зависимость реализации путем экранирования всех вхождений \Eвместо использования quote(). Он также активирует DOTALLmode ( (?s)) в случае, если строка для сопоставления содержит символы новой строки.

    public static Pattern globToRegex(String glob)
    {
        return Pattern.compile(
            "(?s)^\\Q" +
            glob.replace("\\E", "\\E\\\\E\\Q")
                .replace("*", "\\E.*\\Q")
                .replace("?", "\\E.\\Q") +
            "\\E$"
        );
    }

-2

Кстати, похоже, что вы сделали это на собственном горьком опыте в Perl.

Это трюк в Perl:

my @files = glob("*.html")
# Or, if you prefer:
my @files = <*.html> 

1
Это работает, только если глобус предназначен для сопоставления файлов. В случае с Perl глобусы на самом деле были получены из списка IP-адресов, который был написан с использованием глобусов по причинам, которые я не буду вдаваться в подробности, а в моем текущем случае глобусы должны были соответствовать URL-адресам.
Пол Томблин,
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.