使用正则表达式匹配多行文字

我正在尝试使用Java匹配多行文本。当我将Pattern类与Pattern.MULTILINE修饰符一起使用时，我可以匹配，但不能(?m).

使用(?m)和使用相同的模式String.matches似乎无效。

我确定我缺少什么，但不知道是什么。正则表达式不是很好。

这就是我尝试过的

String test = "User Comments: This is \t a\ta \n test \n\n message \n";

String pattern1 = "User Comments: (\\W)*(\\S)*";
Pattern p = Pattern.compile(pattern1, Pattern.MULTILINE);
System.out.println(p.matcher(test).find());  //true

String pattern2 = "(?m)User Comments: (\\W)*(\\S)*";
System.out.println(test.matches(pattern2));  //false - why?

首先，您在错误的假设下使用修饰符。

Pattern.MULTILINE或(?m)告诉Java接受锚点^并$在每行的开头和结尾进行匹配（否则，它们仅在整个字符串的开头/结尾进行匹配）。

Pattern.DOTALL或(?s)告诉Java也允许点与换行符匹配。

其次，在您的情况下，正则表达式失败，因为您使用的matches()是期望正则表达式匹配整个字符串的方法-这当然不起作用，因为(\\W)*(\\S)*匹配后还剩下一些字符。

因此，如果您只是在寻找以开头的字符串User Comments:，请使用regex

^\s*User Comments:\s*(.*)

与Pattern.DOTALL选项：

Pattern regex = Pattern.compile("^\\s*User Comments:\\s+(.*)", Pattern.DOTALL);
Matcher regexMatcher = regex.matcher(subjectString);
if (regexMatcher.find()) {
    ResultString = regexMatcher.group(1);
} 

ResultString 然后将包含以下内容 User Comments:

这与MULTILINE标志无关。您所看到的是find()和matches()方法之间的区别。 find()如果可以在目标字符串的任何位置找到匹配项，则成功，而matches()希望正则表达式匹配整个字符串。

Pattern p = Pattern.compile("xyz");

Matcher m = p.matcher("123xyzabc");
System.out.println(m.find());    // true
System.out.println(m.matches()); // false

Matcher m = p.matcher("xyz");
System.out.println(m.matches()); // true

此外，MULTILINE这并不意味着您认为的那样。许多人似乎会得出一个结论：如果目标字符串包含换行符，也就是说，如果它包含多个逻辑行，则必须使用该标志。我在SO上已经看到了几种解决此问题的答案，但实际上，该标志所做的只是改变锚点^和的行为$。

通常^匹配目标字符串的开头，并$匹配结尾（或结尾处的换行符，但我们暂时将其保留）。但是，如果字符串包含换行符，您可以选择^并$在开始匹配任何逻辑行，不只是一个开始，整个字符串的结尾结束，通过设置MULTILINE标志。

因此，请忘记什么MULTILINE 意思，只记得它的作用：更改^和$锚点的行为。 DOTALL模式最初被称为“单行”（并且仍然有某些风格，包括Perl和.NET），并且一直引起类似的混乱。幸运的是，在这种情况下，Java开发人员使用了更具描述性的名称，但是“多行”模式没有合理的替代方法。

在所有疯狂开始的Perl中，他们已经承认了自己的错误，并摆脱了Perl 6正则表达式中的“多行”和“单行”模式。再过二十年，也许世界其他地区也将效仿。

str.matches(regex) 行为类似于 Pattern.matches(regex, str)尝试将整个输入序列与模式匹配并返回

true当且仅当整个输入序列与该匹配器的模式匹配

而matcher.find() 尝试查找与模式匹配的输入序列的下一个子序列并返回

true当且仅当，一个子输入序列的此匹配的模式匹配

因此，问题在于正则表达式。请尝试以下方法。

String test = "User Comments: This is \t a\ta \ntest\n\n message \n";

String pattern1 = "User Comments: [\\s\\S]*^test$[\\s\\S]*";
Pattern p = Pattern.compile(pattern1, Pattern.MULTILINE);
System.out.println(p.matcher(test).find());  //true

String pattern2 = "(?m)User Comments: [\\s\\S]*^test$[\\s\\S]*";
System.out.println(test.matches(pattern2));  //true

因此，简而言之，(\\W)*(\\S)*您的第一个正则表达式中的部分与一个空字符串匹配，*意味着出现了零次或多次出现，而真正匹配的字符串User Comments:不是您期望的整个字符串。第二个失败，因为它尝试匹配整个字符串，但不能\\W匹配非单词字符，即[^a-zA-Z0-9_]第一个字符是T单词字符。

多行标志告诉正则表达式，为了您的目的，将模式与每行而不是整个字符串匹配，通配符就足够了。