Список всех специальных символов, которые нужно экранировать в регулярном выражении

Я пытаюсь создать приложение, которое сопоставляет шаблон сообщения с сообщением, которое пытается отправить пользователь. Я использую регулярное выражение Java для сопоставления сообщения. Шаблон / сообщение могут содержать специальные символы.

Как мне получить полный список специальных символов, которые нужно экранировать, чтобы мое регулярное выражение работало и совпадало в максимально возможных случаях?

Есть ли универсальное решение для экранирования всех специальных символов в регулярном выражении Java?

Вы можете посмотреть javadoc класса Pattern: http://docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html

Вам нужно экранировать любой перечисленный там символ, если вам нужен обычный символ, а не особое значение.

Как, возможно, более простое решение, вы можете поместить шаблон между \ Q и \ E - все между ними считается экранированным.

• В регулярных выражениях необходимо использовать следующие символы Java:
  \.[]{}()<>*+-=!?^$|
• Две закрывающие скобки ( ]и }) нужно экранировать только после открытия скобок того же типа.
• В []скобках некоторые символы (например, +и -) иногда работают без выхода.

Чтобы сбежать, вы можете просто использовать это из Java 1.5 :

Pattern.quote("$test");

Вы точно подберете слово $test

Согласно странице документации String Literals / Metacharacters , они:

<([{\^-=$!|]})?*+.>

Также было бы круто, если бы этот список где-то в коде ссылался, но я не знаю, где это может быть ...

Объединив то, что все сказали, я предлагаю следующее: чтобы список символов, специальных для RegExp, был четко указан в их собственной строке, и избежать необходимости пытаться визуально анализировать тысячи "\\". Мне кажется, это очень хорошо работает:

final String regExSpecialChars = "<([{\\^-=$!|]})?*+.>";
final String regExSpecialCharsRE = regExSpecialChars.replaceAll( ".", "\\\\$0");
final Pattern reCharsREP = Pattern.compile( "[" + regExSpecialCharsRE + "]");

String quoteRegExSpecialChars( String s)
{
    Matcher m = reCharsREP.matcher( s);
    return m.replaceAll( "\\\\$0");
}

По предложению @Sorin в документах Java Pattern, похоже, что символы, которые нужно избежать, по крайней мере:

\.[{(*+?^$|

Pattern.quote(String s)Рода делает то , что вы хотите. Однако это оставляет желать лучшего; на самом деле он не экранирует отдельные символы, а просто оборачивает строку \Q...\E.

Не существует метода, который бы делал именно то, что вы ищете, но хорошая новость заключается в том, что на самом деле довольно просто избежать всех специальных символов в регулярном выражении Java:

regex.replaceAll("[\\W]", "\\\\$0")

Почему это работает? Что ж, документация дляPattern специально сказано, что разрешено экранировать неалфавитные символы, которые не обязательно экранировать:

Ошибочно использовать обратную косую черту перед любым буквенным символом, который не обозначает экранированную конструкцию; они зарезервированы для будущих расширений языка регулярных выражений.Обратный слэш может использоваться перед неалфавитным символом независимо от того, является ли этот символ частью неэкранированной конструкции.

Например, ;это не специальный символ в регулярном выражении. Однако, если вы его избежите, Patternвсе равно будет интерпретироваться \;как; . Вот еще несколько примеров:

• > становится \> что эквивалентно>
• [ становится \[ в ускользнувшую форму[
• 8 все еще 8 .
• \)превращается \\\)в ускользнувшие формы \и (сцепленные.

Примечание: Ключ является определением «неалфавитным», что в документации на самом деле означает «не- слово » символы или символы вне набора символов [a-zA-Z_0-9].

с другой стороны, вы должны использовать регулярное выражение «non-char», которое выглядит так, если специальные символы = allChars - number - ABC - space в контексте вашего приложения.

String regepx = "[^\\s\\w]*";

хотя ответ для Java, но код можно легко адаптировать из этого расширения Kotlin String, которое я придумал (адаптировано из предоставленного @brcolow):

private val escapeChars = charArrayOf(
    '<',
    '(',
    '[',
    '{',
    '\\',
    '^',
    '-',
    '=',
    '$',
    '!',
    '|',
    ']',
    '}',
    ')',
    '?',
    '*',
    '+',
    '.',
    '>'
)

fun String.escapePattern(): String {
    return this.fold("") {
      acc, chr ->
        acc + if (escapeChars.contains(chr)) "\\$chr" else "$chr"
    }
}

fun main() {
    println("(.*)".escapePattern())
}

печатает \(\.\*\)

проверьте это в действии здесь https://pl.kotl.in/h-3mXZkNE

Предполагая, что у вас есть и доверяете (чтобы быть авторитетным) список escape-символов, которые использует регулярное выражение Java (было бы неплохо, если бы эти символы были представлены в каком-либо члене класса Pattern), вы можете использовать следующий метод для экранирования символа, если это действительно необходимо:

private static final char[] escapeChars = { '<', '(', '[', '{', '\\', '^', '-', '=', '$', '!', '|', ']', '}', ')', '?', '*', '+', '.', '>' };

private static String regexEscape(char character) {
    for (char escapeChar : escapeChars) {
        if (character == escapeChar) {
            return "\\" + character;
        }
    }
    return String.valueOf(character);
}