时间戳

首页 > 解决方案 > 多行文本的负前瞻断言

java - 多行文本的负前瞻断言

问题描述

我正在寻找一种方法来检查多行字符串（来自pdf）是否包含一定不能以特定前缀开头的特定字母组合。具体来说，我正在尝试查找包含ARC但不包含的字符串NON-ARC。

我发现了这个很好的示例正则表达式，用于不以序列开头的字符串，但它似乎不适用于我的问题。使用我的模式^(?!NON\\-)ARC.*，我在单行测试中得到了预期的结果，在实际输入的情况下，否定前瞻断言有误报。这是我所做的：

@Test
public void testRegexLookAhead() {
    String strTestSimplePos = "ARC 0.1-1";
    String strTestSimpleNeg = "NON-ARC 3.4-1";

    String strTestRealPos = "HEADLINE\r\n" + "Subheader Author\r\n" + "ARC 0.1-1\r\n" + "20190211";
    String strTestRealNeg = "HEADLINE\r\n" + "Subheader Author\r\n" + "NON-ARC 0.1-1\r\n" + "20190211";

    //based on https://stackoverflow.com/questions/899422/regular-expression-for-a-string-that-does-not-start-with-a-sequence
    String regexNoNON = "^(?!NON\\-)ARC.*";               

    Pattern noNONPatter = Pattern.compile(regexNoNON);

    System.out.println(noNONPatter.matcher(strTestSimplePos).find()); //true OK 
    System.out.println(noNONPatter.matcher(strTestSimpleNeg).find()); //false OK
    System.out.println(noNONPatter.matcher(strTestRealPos).find()); //false but should be true -> does not work as intended
    System.out.println(noNONPatter.matcher(strTestRealNeg).find()); //false OK

如果有人能指出出了什么问题，我会很高兴...

编辑：这被标记为How to use java regex to match a line - 但是我根本没有尝试使用 regex 来匹配行。只需要一种方法来为多行文本输入找到特定序列（带有负前瞻）。解决另一个问题的一种方法也是解决这个问题的方法（使用 java.util.regex.Pattern.MULTILINE 编译模式） - 但问题充其量是相关的。

标签： javaregex

解决方案

试试这个正则表达式：

HEADLINE(?:(?!HEADLINE)[\s\S])*(?<!NON-)ARC(?:(?!HEADLINE)[\s\S])*

点击演示

JAVA代码

解释：

  • HEADLINE- 匹配单词HEADLINE
  • (?:(?!HEADLINE)[\s\S])*- 匹配不以单词开头的任何字符的 0+ 次出现HEADLINE
  • (?<!NON-)ARCARC-如果单词前面没有紧跟，则匹配该单词NON-
  • (?:(?!HEADLINE)[\s\S])*- 匹配不以单词开头的任何字符的 0+ 次出现HEADLINE

推荐阅读