解析正则表达式的底层实现原理

1 原理

根据捕获分组的数量确定Matcher类中的groups数组的下标最大位数,其计算公式如下所示

下标最大位数=1+捕获分组数量*2;

例如没有捕获分组,那么groups[0]和groups[1]是可用的,group[0]为符合模板字符串的子串的开始位置,groups[1]为符合模板字符串的子串的结束位置+1;其余位置均为默认值-1

若有一个捕获分组时,那么groups[0]和groups[1]是可用的,group[0]为符合模板字符串的子串的开始位置,groups[1]为符合模板字符串的子串的结束位置+1;groups[2]为在之前找到的子串中查找符合捕获分组格式的子串,并把其开始位置(相对于原来字符串的位置)放入groups[2];结束位置的后一位放入groups[3]的位置的,并用oldlast记录group[1]的下标,下次从此位置开始往后找

想获取第n个捕获分组的内容,就group[n]即可,通过n去截取符合全匹配结果的子串中的符合捕获分组条件的子串(位置是相对于原来字符串的位置)

2 举例分析

2.1 题目内容

例如存在需要查找的字符串content="1924u1765nkf8976",模板字符串regex="(\\d\\d)\\d{2}"
求group(0)和group(1)的值
1
2

2.2 分析过程

2.2.1 我们知道模板字符串regex有一个捕获分组,因此创建的matcher对象中的groups中可以获取字符串的坐标的最大下标为3,即除了groups[0],groups[1],groups[2],groups[3]可以设置下标外其他位置里面存放的值是都不行,且里面的值为-1,意味着group[2]会提示下标越界

a 下标越界错误示例代码

package Work;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test05 {
    public static void main(String[] args) {
       check("1924u1765nkf8976","(\\d\\d)\\d{2}");
    }
    public static void check(String content,String regex){
        Pattern pattern=Pattern.compile(regex);
        Matcher matcher = pattern.matcher(content);
        while(matcher.find()){
            System.out.println("全匹配子串为: "+matcher.group(0));
            System.out.println("在全匹配子串中符合捕获分组的子串为: "+matcher.group(1));
            //捕获分组有几个,你可以取的group(里面的值)就为几,超出就会报数组下标越界
            System.out.println(matcher.group(2));
        }
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

b 下标越界错误示例截图

2.2.2 当matcher.find()第一次为true时,符合全匹配的字符串为"1924",此时groups[0]=0;groups[1]=3+1=4;符合捕获分组匹配的字符串为:“19”,此时groups[1]=0,groups[2]=1+1=2;

记录下次开始查找的位置

2.2.3 当matcher.find()第二次为true时,符合全匹配的字符串为"1765",此时groups[0]=5;groups[1]=8+1=9;符合捕获分组匹配的字符串为:“17”,此时groups[1]=5,groups[2]=6+1=7;

记录下次开始查找的位置

2.2.4 当matcher.find()第三次为true时,符合全匹配的字符串为"8976",此groups[0]=12;groups[1]=15+1=16;符合捕获分组匹配的字符串为:“89”,此时groups[1]=12,groups[2]=13+1=14;

记录下次开始查找的位置

2.2.5 当matcher.fine()循环第四次的时候发现没有符合模板字符串的子串了,那么就会结束循环,且matcher对象中的groups数组里面的所有值都会改为默认值-1,方便去进行下一次调用

3.示例代码

package Work;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test05 {
    public static void main(String[] args) {
       check("1924u1765nkf8976","(\\d\\d)\\d{2}");
    }
    public static void check(String content,String regex){
        Pattern pattern=Pattern.compile(regex);
        Matcher matcher = pattern.matcher(content);
        while(matcher.find()){
            System.out.println("全匹配子串为: "+matcher.group(0));
            System.out.println("在全匹配子串中符合捕获分组的子串为: "+matcher.group(1));
        }
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

4.示例代码运行截图