正則表達式在Java中：如何處理新行

Question

我目前正在嘗試學習如何使用正則表達式，所以請忍受我的簡單問題。例如，假設我有一個包含了一堆用換行分隔鏈接輸入文件：

www.foo.com/Archives/monkeys.htm猴子的網站
說明。

www.foo.com/Archives/pigs.txt
豬的網站的描述。

www.foo.com/Archives/kitty.txt
Kitty的網站的描述。

www.foo.com/Archives/apple.htm
Apple網站的描述。

如果我想獲得一個網站，它的描述一起，這個正則表達式似乎在測試工具的工作：.*www.*\\s.*Pig.*

然而，當我嘗試我的代碼中運行它，它似乎不工作。這個表達是否正確？我試圖用「\ n」替換「\ s」，它似乎仍然不起作用。

Answer 1

工作對我來說：

import java.util.regex.Pattern; 
import java.util.regex.Matcher; 
public class Foo { 
    public static void main(String args[]) { 
    Pattern p = Pattern.compile(".*www.*\\s.*Pig.*"); 
    String s = "www.foo.com/Archives/monkeys.htm\n" 
      + "Description of Monkey's website.\n" 
      + "\n" 
      + "www.foo.com/Archives/pigs.txt\n" 
      + "Description of Pig's website.\n" 
      + "\n" 
      + "www.foo.com/Archives/kitty.txt\n" 
      + "Description of Kitty's website.\n" 
      + "\n" 
      + "www.foo.com/Archives/apple.htm\n" 
      + "Description of Apple's website.\n"; 
    Matcher m = p.matcher(s); 
    if (m.find()) { 
     System.out.println(m.group()); 
    } else { 
     System.out.println("ERR: no match"); 
    } 
    } 
} 

也許問題出在你使用的模式和Matcher對象的方式？

Answer 2

這些行在您的文件中可能會被\r\n分開。 \r（回車）和\n（換行符）都被認爲是Java正則表達式中的分隔符字符，並且.元字符與它們中的任何一個都不匹配。 \s將與這些字符匹配，因此它會消耗\r，但這會使.*與\n相匹配，即失敗。您的測試儀可能只使用\n來分隔線，這些線被\s消耗。

如果我是對的，將\s更改爲\s+或[\r\n]+應該可以使其正常工作。在這種情況下，這可能只是您需要做的所有事情，但有時您必須恰好匹配一個分隔線，或者至少跟蹤您匹配的人數。在這種情況下，您需要一個正則表達式，它與三種最常見的行分隔符類型中的任意一種匹配：\r\n（Windows/DOS），\n（Unix/Linus/OSX）和\r（較舊的Mac）。任何一項都將做到：

\r\n|[\r\n] 

\r\n|\n|\r 

---

更新：從Java 8中，我們有另一種選擇，\R。它匹配任何行分隔符，不僅包括\r\n，還包括Unicode standard定義的其他幾個分隔符。這是相同的：

\r\n|[\n\x0B\x0C\r\u0085\u2028\u2029] 

這裏是如何使用它：

(?im)^.*www.*\R.*Pig.*$ 

的i選項使得它不區分大小寫，以及m把它在多模式，允許^和$匹配在線邊界。

Answer 3

試試這個

([^\r]+\r[^\r])+ 

Answer 4

這個版本匹配新行可能是Windows（\ r \ n）的或Unix（\ n）的

Pattern p = Pattern.compile("(www.*)((\r\n)|(\n))(.*Pig.*)"); 
String s = "www.foo.com/Archives/monkeys.htm\n" 
      + "Description of Monkey's website.\n" 
      + "\r\n" 
      + "www.foo.com/Archives/pigs.txt\r\n" 
      + "Description of Pig's website.\n" 
      + "\n" 
      + "www.foo.com/Archives/kitty.txt\n" 
      + "Description of Kitty's website.\n" 
      + "\n" 
      + "www.foo.com/Archives/apple.htm\n" 
      + "Description of Apple's website.\n"; 
Matcher m = p.matcher(s); 
if (m.find()) { 
    System.out.println("found: "+m.group()); 
    System.out.println("website: "+m.group(1)); 
    System.out.println("description: "+m.group(5)); 
} 
System.out.println("done"); 

Answer 5

以供將來參考，還可以使用Pattern.DOTALL標誌爲「。」甚至匹配\ r或\ n。

實施例：

說出我們正在分析的HTTP標頭行這樣的（每一行\ r \ n結束）

HTTP/1.1 302 Found 
Server: Apache-Coyote/1.1 
Cache-Control: no-cache, no-store, max-age=0, must-revalidate 
Pragma: no-cache 
Expires: 0 
X-Frame-Options: SAMEORIGIN 
Location: http://localhost:8080/blah.htm 
Content-Length: 0 

該圖案的單個串：

final static Pattern PATTERN_LOCATION = Pattern.compile(".*?Location\\: (.*?)\\r.*?", Pattern.DOTALL); 

可以使用「matcher.group（1）」解析位置值。

「。」在上面的模式中會匹配\ r和\ n，所以上面的模式實際上可以從http標題行解析'Location'，在標題行之前或之後可能會有其他標題（不是推薦的方式解析http標題）。

此外，您可以在模式內使用「？s」來達到相同的效果。

如果你這樣做，你可能會更好使用Matcher.find（）。