匹配正则表达式中最长的字符串或在公共子字符串的情况下

问题描述

在正则表达式 OR 中，当有多个具有公共前缀的输入时，正则表达式将匹配Regex OR中的第一个输入，而不是最长匹配。

例如，对于正则表达式regex = (KA|KARNATAKA)和input = KARNATAKA ，输出将是 2 个匹配match1 =KA和match2 = KA 。

但是我想要的是在Regex OR在我给定的示例中是match1 = KARNATAKA中的给定输入之外的完整最长可能匹配。

所以我现在正在做的是，我正在按长度降序对Regex OR的输入进行排序。

我的问题是，我们可以在正则表达式本身中指定匹配最长的字符串吗？ 还是排序是唯一的方法？

您可以为此创建一个辅助方法：

public final class PatternHelper {
    public static Pattern compileSortedOr(String regex) {
        Matcher matcher = Pattern.compile("(.*)\\((.*\\|.*)\\)(.*)").matcher(regex);

        if (matcher.matches()) {
            List<String> conditions = Arrays.asList(matcher.group(2).split("\\|"));
            List<String> sortedConditions = conditions.stream()
                                                      .sorted((c1, c2) -> c2.length() - c1.length())
                                                      .collect(Collectors.toList());

            return Pattern.compile(matcher.group(1) +
                                       "(" +
                                       String.join("|", sortedConditions) +
                                       ")" +
                                       matcher.group(3));
        }

        return Pattern.compile(regex);
    }
}

Matcher matcher = PatternHelper.compileSortedOr("(KA|KARNATAKA)").matcher("KARNATAKA");
if (matcher.matches()) {
    System.out.println(matcher.group(1));
}

输出：

KARNATAKA

PS 这仅适用于没有嵌套括号的简单表达式。 如果您期望更复杂的表达式，则需要进行调整。