转义字符中的单个字符 class

Question

如何在 Java 中转义单个正则表达式元字符？

对于 Android 应用程序，我正在处理包含许多正则表达式认为具有特殊含义的字符的文件。其中包括 \?.()[*\^+' 和 -。我将阅读两个文件：

词典中的单词列表，每个单词占一行。
可用于过滤字典列表中单词的字符列表。

每个示例如下。

字典：

 /it*
 t1*]
 ?\<t
 item

（是的，这些是单词。前三个是单词 "stitch"、"teacher" 和 "thought" 的缩写 Braille ASCII 表示。现在你知道了。 )

"Letters" 使用：

?]*/\<1eitm

我想将这些字母包含在与此类似的正则表达式中：

String letters = "?]*/\<1eitm";
Pattern pattern = Pattern.compile("^["+letters+"]{4}$", Pattern.MULTILINE);

我的目标是 select 字典列表中仅包含给定字符和的所有单词都是给定的长度。我无法控制请求的字符在文件中出现的顺序。

如果我只使用非元字符，例如 <1eitm，则效果很好。不知何故，我需要转义元字符并确保 ] 和 - 等字符出现在方括号内的正确位置。

我可以手动执行此操作...但我希望有一个内置命令可以为我执行此操作。到目前为止，我所发现的只是 Pattern.quote() 命令，它没有给我想要的结果。

下面列出了我可能需要在方括号内使用的所有字符：

\_-,;:!?.'"()[]@*/\&#%^+<=>~23456789abcdefghijklmnopqrstuvwxyz

这是我用于 Android 测试的准系统代码：

package com.example.quote;

import android.app.Activity;
import android.content.res.AssetManager;
import android.os.Bundle;
import android.util.Log;

import java.io.IOException;
import java.io.InputStream;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class MainActivity extends Activity {

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);

        AssetManager am = this.getAssets();
        try {
            String dictionary = readFile(am, "dictionary.txt");
            String regex = readFile(am, "regex.txt");

            regex = "^["+regex+"]{4}$"; // THIS IS WHERE I NEED TO MAKE A CHANGE

            Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
            Matcher matcher = pattern.matcher(dictionary);

            while (matcher.find()) {
                Log.d("TEST", matcher.group(0));
            }

        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    private String readFile(AssetManager am, String fileName) throws IOException {
        InputStream is = am.open(fileName);

        int size = is.available();
        byte[] buffer = new byte[size];
        is.read(buffer);
        is.close();

        String string = new String(buffer, "UTF-8");

        return string;
    }
}

Answer 1

转义 Java 正则表达式的特殊字符很烦人，但并不困难。原因是反斜杠字符\在Java字符串中是转义字符，所以文字串“\”是反斜杠。但是单反斜杠也是正则表达式中的转义字符，所以在 Java 正则表达式模式匹配字符串中，特殊字符应该是 "escaped" 加双反斜杠！因此，为了匹配问号字符 ?，您的正则表达式必须包含 \?。要匹配单个反斜杠，您的正则表达式必须包含 \\.

我们以你的String为例：

String letters = "?]*/\<1eitm";

此处的前五个字符应进行转义 - 即以双反斜杠转义序列作为前缀 \:

String letters = "\?\]\*\/\\<1eitm";

反斜杠本身，正如上面指出的，必须以转义序列为前缀，然后自身加倍。

希望对您有所帮助。

Answer 2

使用Pattern.quote()将所有特殊字符都用引号引起来，使它们匹配文字字符。该函数通常是通过用引号 \Q...\E 结构包围提供的字符串来实现的。

在 Oracle/OpenJDK（参考）实现中，用 \Q...\E 构造包围字符串，引用的构造在字符 class 中从 Java 6 中识别出来，因此返回值可以在字符 class.

内使用

Android 使用 ICU implementation，根据文档，它还允许 \Q 和 \E 在字符 class 内工作。因此，无论 Pattern.quote() 函数在 ICU 中如何工作（添加转义 \ 或使用引号 \Q...\E 构造），它的工作方式应该类似于参考实现 (Java 6)在这方面。

regex = "^[" + Pattern.quote(regex) + "]{4}$";

转义字符中的单个字符 class

Escaping individual characters in a character class

java

regex

android

escaping