Java上的正則表達式：避免Matcher類不必要的「貪婪」策略

Question

我試圖開發一個正則表達式來查找字符串內的標記序列。例如，我可以將標記(NP .*)至少一次（可以是多次），然後是標點符號（在此例中爲./.）。如果在(NP)和./.之間還有另一個標記（如下面例子中的VP），Matcher一定不能找到任何東西。問題是，即使在.*之後使用問號，它也會繼續查找)，從而使表達式匹配字符串中的某些內容。這裏是我的方法：

public void myMethod() { 
    String input = "(NP first tag) (VP second tag) ./."; 
    String regex = "(\\(NP .*?\\)()?)+" + "\\./\\."; 

    Pattern pattern = Pattern.compile("(" + regex + ")"); 
    Matcher matcher = pattern.matcher(input); 

    if (matcher.find()) { 
     System.out.println("<S "+matcher.group(0)+">"); 
    } else { 
     System.out.println("sem grupos."); 
    } 
} 

該方法仍然會匹配正則表達式，但它不應該。我需要它告訴我沒有發現任何組，因爲「VP」標籤不應該在那裏。我相信這個問題依賴於Java中的正則表達式所採用的貪婪策略。它試圖找到一些與正則表達式相關的字符組合。我不知道如何重寫這個表達式。

任何幫助？

編輯：

1）我注意到，我的問題是有點混亂，所以我改變了一下讓它能夠更清晰。

2）謝謝Aan Moore。我同意我使用的組數多於必要數量，但是這是因爲像+這樣的運營商。我試圖砍掉不必要的羣體。另外你的簡單想法是用[^)]*?代替.*?太棒了！我唯一調整的是我通過使用[^\\)]*?逃脫)符號。下面我顯示最後使用的REGEX。

String regex = "(\\(NP [^\\)]*?\\) ?)+\\./\\."; 

非常感謝！ :)

Answer 1

((\(NP .*?\)()?)+\./\.)是編譯模式。

簡化：

\(NP .*?\) ?+\./\.刪除未使用的捕獲組。

現在，讓我們看看你有例子字符串：

在(NP first tag) (VP second tag) ./.，該.*?比賽first tag) (VP second tag。
在(NP first tag) (VP second tag) (MISC tag that must not be catch) ./.,.*?匹配first tag) (VP second tag) (MISC tag that must not be catch。

爲什麼？我的意思是，它不是很貪婪？對，但...

.*?\)開始匹配first tag)，你想要什麼。然而，正則表達式的其餘部分未能通過匹配，正則表達式引擎會將其作爲可能的答案拋出並繼續查找。

如果你沒有像（NP（標籤）），可以換着花樣標籤標籤：\(NP [^)]*?\)

要匹配你在你的問題中描述的字符串：\(NP [^)]*?\) ?\(VP [^)]*?\) \./\.

與Java逃逸它變成\\(NP [^)]*?\\) ?\\(VP [^)]*?\\) \./\.。

對於進一步的閱讀，有一個很大的Stack Overflow question覆蓋更多的理論和實踐解決這個的。