Я намагаюся створити додаток, який відповідає шаблону повідомлення та повідомленню, яке користувач намагається надіслати. Я використовую регулярний вираз Java для відповідності повідомлення. Шаблон / повідомлення може містити спеціальні символи.
Як я можу отримати повний перелік спеціальних символів, які потрібно уникнути, щоб мій регекс працював і відповідав максимально можливим випадкам?
Чи є універсальне рішення для втечі від усіх спеціальних символів у Java regex?
Відповіді:
Ви можете подивитися javadoc класу Pattern: http://docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html
Вам потрібно уникнути будь-яких перелічених там знаків, якщо ви хочете звичайного знака, а не особливого значення.
Як, можливо, простіше рішення, ви можете розмістити шаблон між \ Q і \ E - все між ними вважається втеченим.
\Qі \E] вважається втеченим" - за винятком інших \Q"і \E" (що потенційно може статися в оригінальному регулярному вираженні). Отже, краще використовувати, Pattern.quoteяк тут запропоновано, а не винаходити колесо.
\.[]{}()<>*+-=!?^$|]і }) потрібно виключити лише після відкриття однотипного кронштейна.[]дужках деякі символи (як +і -) іноді працюють без уникнення.-в межах []може не завжди працювати, оскільки він використовується для визначення діапазонів. Безпечніше уникати цього. Наприклад, шаблони [-]і [-)]збігаються з рядком, -але не з [(-)].
-=!не обов’язково уникати, це залежить від контексту. Наприклад, в якості однієї літери вони працюють як постійний регулярний вираз.
Щоб уникнути, ви можете просто скористатися цим з Java 1.5 :
Pattern.quote("$test");Ви точно збіжетеся зі словом $test
Згідно з документацією на сторінку String Literals / Metacharacters , це:
<([{\^-=$!|]})?*+.>
Крім того, було б круто, щоб цей список було проведено десь у коді, але я не знаю, де це могло бути ...
String escaped = tnk.replaceAll("[\\<\\(\\[\\{\\\\\\^\\-\\=\\$\\!\\|\\]\\}\\)\\?\\*\\+\\.\\>]", "\\\\$0");
s.replaceAll("[\\W]", "\\\\$0")де \Wпозначаються несловові символи.
Поєднуючи те, що всі сказали, пропоную наступне, щоб список символів, спеціальних для RegExp, був чітко переліченим у їх власній строці, а також уникнути необхідності візуального розбору тисяч "\\" 's. Здається, це працює досить добре для мене:
final String regExSpecialChars = "<([{\\^-=$!|]})?*+.>";
final String regExSpecialCharsRE = regExSpecialChars.replaceAll( ".", "\\\\$0");
final Pattern reCharsREP = Pattern.compile( "[" + regExSpecialCharsRE + "]");
String quoteRegExSpecialChars( String s)
{
Matcher m = reCharsREP.matcher( s);
return m.replaceAll( "\\\\$0");
}За пропозицією @ Sorin щодо документів Java Pattern, схоже, що символи для втечі є щонайменше:
\.[{(*+?^$|String escaped = regexString.replaceAll("([\\\\\\.\\[\\{\\(\\*\\+\\?\\^\\$\\|])", "\\\\$1");
)також слід уникати, і залежно від того, ви знаходитесь всередині або поза класом символів, для втечі може бути більше символів, і в цьому випадку Pattern.quoteвиконує досить непогану роботу при виведенні рядка для використання як усередині, так і зовні класу символів.
Вибір Pattern.quote(String s)робить те, що ви хочете. Однак це залишає небагато бажати; насправді це не уникає окремих символів, просто загортає рядок \Q...\E.
Не існує методу, який би робив саме те, що ви шукаєте, але гарна новина полягає в тому, що врятуватись від усіх спеціальних символів у регулярному виразі Java досить просто:
regex.replaceAll("[\\W]", "\\\\$0")Чому це працює? Ну а документація Patternспеціально говорить про те, що допустимо уникати не алфавітних символів, які не обов'язково уникати:
Помилка використання зворотної косої риски перед будь-яким алфавітним символом, який не позначає уникнуту конструкцію; вони зарезервовані для подальшого розширення до мови регулярних виразів. Зворотна косою рисою може бути використана перед символом, що не буває алфавітом, незалежно від того, що цей символ є частиною немальованої конструкції.
Наприклад, ;не є особливим символом у регулярному виразі. Однак, якщо уникнути цього, Patternвсе одно буде тлумачити \;як ;. Ось ще кілька прикладів:
>стає тим, \>що еквівалентно>[стає, \[що є втеченою формою[8є досі 8.\)стає тим, \\\)що є втікаючими формами \і (об'єднаними.Примітка: Ключ є визначенням «неалфавітних», що в документації на самому ділі означає «не- слово » символи або символи поза набору символів [a-zA-Z_0-9].
Хоча відповідь стосується Java, але код можна легко адаптувати з цього розширення Kotlin String, яке я придумав (адаптовано з цього @brcolow):
private val escapeChars = charArrayOf(
'<',
'(',
'[',
'{',
'\\',
'^',
'-',
'=',
'$',
'!',
'|',
']',
'}',
')',
'?',
'*',
'+',
'.',
'>'
)
fun String.escapePattern(): String {
return this.fold("") {
acc, chr ->
acc + if (escapeChars.contains(chr)) "\\$chr" else "$chr"
}
}
fun main() {
println("(.*)".escapePattern())
}відбитки \(\.\*\)
перевірити це в дії тут https://pl.kotl.in/h-3mXZkNE
Якщо припустити, що ви маєте довіру (щоб бути авторитетним) переліку символів втечі, який використовує Java-регекс (було б добре, якби ці символи були викриті в якомусь члені класу Pattern), ви можете використовувати наступний метод, щоб уникнути символу, якщо він дійсно необхідний:
private static final char[] escapeChars = { '<', '(', '[', '{', '\\', '^', '-', '=', '$', '!', '|', ']', '}', ')', '?', '*', '+', '.', '>' };
private static String regexEscape(char character) {
for (char escapeChar : escapeChars) {
if (character == escapeChar) {
return "\\" + character;
}
}
return String.valueOf(character);
}