Подбор многострочного текста с использованием регулярного выражения

Я пытаюсь сопоставить многострочный текст с помощью Java. Когда я использую Patternкласс с Pattern.MULTILINEмодификатором, я могу соответствовать, но я не могу сделать это с(?m).

Тот же шаблон с (?m)использованием и использованием String.matches, похоже, не работает.

Я уверен, что что-то упустил, но понятия не имею, что. Я не очень хорош в регулярных выражениях.

Это то что я пробовал

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?

Во-первых, вы используете модификаторы в неверном предположении.

Pattern.MULTILINEили (?m)говорит Java принять якоря ^и $совпадать в начале и конце каждой строки (в противном случае они совпадают только в начале / конце всей строки).

Pattern.DOTALLили (?s)говорит Java, что точка должна соответствовать символам новой строки.

Во-вторых, в вашем случае регулярное выражение дает сбой, потому что вы используете matches()метод, который ожидает, что регулярное выражение будет соответствовать всей строке - что, конечно, не работает, поскольку после (\\W)*(\\S)*сопоставления осталось несколько символов .

Так что, если вы просто ищете строку, которая начинается с User Comments:, используйте регулярное выражение

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

с Pattern.DOTALLвозможностью:

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

ResultString будет содержать текст после User Comments:

Это не имеет ничего общего с флагом MULTILINE; что вы видите , разница между find()и matches()методами. find()успешен, если совпадение может быть найдено где-либо в целевой строке , в то время matches()как регулярное выражение соответствует всей строке .

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

Кроме того, MULTILINEэто не значит, что вы думаете. Многие люди приходят к выводу, что вы должны использовать этот флаг, если ваша целевая строка содержит новые строки, то есть если она содержит несколько логических строк. Я видел несколько ответов на SO на этот счет, но на самом деле все, что делает флаг, это изменяет поведение якорей, ^и $.

Обычно ^соответствует самому началу целевой строки и $самому концу (или перед новой строкой в конце, но мы пока оставим это в стороне). Но если строка содержит символы новой строки, вы можете выбрать ^и $сопоставлять начало и конец любой логической строки, а не только начало и конец всей строки, установив флаг MULTILINE.

Так что забудьте о том, что MULTILINE значит, и просто вспомните, что он делает : меняет поведение ^и $якоря. DOTALLРежим первоначально назывался «однострочным» (и до сих пор присутствует в некоторых вариантах, включая Perl и .NET), и он всегда вызывал подобную путаницу. Нам повезло, что в этом случае разработчики Java получили более описательное имя, но разумной альтернативы для «многострочного» режима не было.

В Perl, где все это безумие началось, они признали свою ошибку и избавились от «многострочных» и «однострочных» режимов в регулярных выражениях Perl 6. Через двадцать лет, возможно, весь остальной мир последует их примеру.

str.matches(regex) ведет себя так, как будто Pattern.matches(regex, str) пытается сопоставить всю входную последовательность с шаблоном и возвращает

trueтогда и только тогда, когда вся входная последовательность соответствует шаблону этого сопоставителя

Принимая во внимание, что matcher.find() пытается найти следующую подпоследовательность входной последовательности, которая соответствует шаблону, и возвращает

trueтогда и только тогда, когда подпоследовательность входной последовательности соответствует шаблону этого сопоставителя

Таким образом, проблема с регулярным выражением. Попробуйте следующее.

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

Таким образом, короче говоря, (\\W)*(\\S)*часть в вашем первом регулярном выражении соответствует пустой строке, что *означает ноль или более вхождений, а реальная совпавшая строка - это User Comments:не вся строка, как вы ожидаете. Второй сбой, поскольку он пытается сопоставить всю строку, но не может, поскольку \\Wсовпадает с несловесным символом, т.е. [^a-zA-Z0-9_]и первый символ является Tсимволом слова.

Многострочный флаг сообщает регулярному выражению, что шаблон должен соответствовать каждой строке, а не всей строке, для ваших целей подстановочный знак будет достаточным.