java正则匹配 指定内容以外的 内容

今天，遇到一个需要 匹配出 指定内容以外的 内容的需求。

乍一看，需求貌视很简单啊，直接上 非贪婪模式的 双向零宽断言（有的资料上也叫 预搜索、预查、环视lookaround）：

比如，我要匹配 串内所有 大写C打头后接数字(C\d+) 以外的 匹配数据,也就是：非贪婪匹配C\d+和后一个C\d+之间的内容

String test = "C77de3a4Cfg56C78ha123C923aabC123";
String reg = "((?<=C\\d{1,10}+))(.+?)((?=(C\\d+)+))";
Pattern pattern = Pattern.compile(reg);//这里因为反向零宽断言不能出现不固定长度，所以把C\d+处理成了C\d{1,10}，见https://www.jb51.net/article/73404.htm
Matcher matcher = pattern.matcher(test);
while (matcher.find()){
    System.out.print(matcher.group()+" ");//de3a4Cfg56 ha123 aab
}

　　

再处理下首尾遇到非C\d+的 串，表达式变成：

String reg = "((?<=C\\d{1,10}+)|^)(.+?)((?=(C\\d+)+)|$)";

　　

这里，发现了 不能 处理连续C\d+这 种情况，想了很久，最后只能一个很不爽的实现来搞定了：

String test = "aC77de3a4Cfg56C78C66ha123C923aabC123g";
String reg = "((?<=C\\d{1,10}+)|^)(.+?)((?=(C\\d+)+)|$)";
test = test.replaceAll("("+"C\\d+"+")("+"C\\d+"+")+","$1");//预先将连续的可匹配串替换掉
Pattern pattern = Pattern.compile(reg);//因为
Matcher matcher = pattern.matcher(test);
while (matcher.find()){
    System.out.print(matcher.group()+" ");//a de3a4Cfg56 ha123 aab g
}

　

结果，连续C\d+打头 这种情况还得单独做处理：

String test = "C66C77de3a4Cfg56C78C66ha123C923aabC123g";
String reg = "((?<=C\\d{1,10}+)|^)(.+?)((?=(C\\d+)+)|$)";
test = test.replaceAll("^(C\\d+)+","");//预先将打头连续的可匹配串替换成空
test = test.replaceAll("("+"C\\d+"+")("+"C\\d+"+")+","$1");//预先将串中连续的可匹配串替换掉
Pattern pattern = Pattern.compile(reg);
Matcher matcher = pattern.matcher(test);
while (matcher.find()){
    System.out.print(matcher.group()+" ");//de3a4Cfg56 ha123 aab g
}

　

终于大功告成~，最后把上面的逻辑封装成两个工具方法，第一个直接返回匹配串的List，第二个返回匹配 指定内容以外的 内容的List：

import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegUtil {
    public static List<String> matches(String src,String reg){
        Pattern pattern = Pattern.compile(reg);
        Matcher matcher = pattern.matcher(src);
        List<String> list = new ArrayList<>();
        while (matcher.find()){
            list.add(matcher.group());
        }
        return list;
    }

    /**
     * 注意，simpleReg正则必须为不带分组的简单正则表达式，至多一个限定符，且只能是+，限定符匹配串串长不超过10字符，例如：C\d+  d+长度不超过10(正),  C\d*  （误）
     * 否则匹配时可能报错
     * 匹配 src中匹配了simpleReg以外 的内容
     * @param src
     * @param simpleReg
     * @return
     */
    public static List<String> beyondMatches(String src,String simpleReg){
        int index = simpleReg.indexOf("+");
        String preMatch = index!=-1?new StringBuilder(simpleReg).insert(index,"{1,10}").toString():simpleReg;
        return matches(src.replaceAll("^("+simpleReg+")+","").replaceAll("("+simpleReg+")("+simpleReg+")+","$1")
                ,"((?<="+preMatch+")|^)(.+?)((?=("+simpleReg+")+)|$)");
    }

    public static void main(String[] args) {
        String test = "C2C12C21caaCbC12C66C77de3a4Cfg56C78ha123C923aabC123C321";
        List<String> result =RegUtil.matches(test,"C\\d+");
        for(String m:result){
            System.out.print(m+" ");//C2 C12 C21 C12 C66 C77 C78 C923 C123 C321
        }
        System.out.println();
        System.out.println("========");
        result =RegUtil.beyondMatches(test,"C\\d+");
        for(String m:result){
            System.out.print(m+" ");//caaCb de3a4Cfg56 ha123 aab
        }
    }
}

　　

收功~