如何创建正则表达式匹配流？

Question

我正在尝试解析标准输入并提取与特定模式匹配的每个字符串，计算每个匹配项的出现次数，然后按字母顺序打印结果。这个问题似乎很适合 Streams API，但我找不到从 Matcher 创建匹配流的简洁方法。

我通过在匹配项上实现迭代器并将其包装到流中来解决这个问题，但结果不是很可读。如何在不引入额外类?

的情况下创建正则表达式匹配流

public class PatternCounter
{
    static private class MatcherIterator implements Iterator<String> {
        private final Matcher matcher;
        public MatcherIterator(Matcher matcher) {
            this.matcher = matcher;
        }
        public boolean hasNext() {
            return matcher.find();
        }
        public String next() {
            return matcher.group(0);
        }
    }

    static public void main(String[] args) throws Throwable {
        Pattern pattern = Pattern.compile("[a-zA-Z0-9.!#$%&’*+/=?^_`{|}~-]+@[a-zA-Z0-9-]+(?:\.[a-zA-Z0-9-]+)");

        new TreeMap<String, Long>(new BufferedReader(new InputStreamReader(System.in))
            .lines().map(line -> {
                Matcher matcher = pattern.matcher(line);
                return StreamSupport.stream(
                        Spliterators.spliteratorUnknownSize(new MatcherIterator(matcher), Spliterator.ORDERED), false);
            }).reduce(Stream.empty(), Stream::concat).collect(groupingBy(o -> o, counting()))
        ).forEach((k, v) -> {
            System.out.printf("%s\t%s\n",k,v);
        });
    }
}

Answer 1

好吧，在 Java 8 中，有 Pattern.splitAsStream 将提供由 delimiter 模式拆分的项目流，但不幸的是没有支持方法获取 匹配项 .

的流

如果您要实现这样的 Stream，我建议直接实现 Spliterator 而不是实现和包装 Iterator。您可能更熟悉 Iterator 但实现简单的 Spliterator 是直截了当的：

final class MatchItr extends Spliterators.AbstractSpliterator<String> {
    private final Matcher matcher;
    MatchItr(Matcher m) {
        super(m.regionEnd()-m.regionStart(), ORDERED|NONNULL);
        matcher=m;
    }
    public boolean tryAdvance(Consumer<? super String> action) {
        if(!matcher.find()) return false;
        action.accept(matcher.group());
        return true;
    }
}

不过，您可以考虑使用直接循环覆盖 forEachRemaining。

如果我正确理解了您的尝试，解决方案应该类似于：

Pattern pattern = Pattern.compile(
                 "[a-zA-Z0-9.!#$%&’*+/=?^_`{|}~-]+@[a-zA-Z0-9-]+(?:\.[a-zA-Z0-9-]+)");

try(BufferedReader br=new BufferedReader(System.console().reader())) {

    br.lines()
      .flatMap(line -> StreamSupport.stream(new MatchItr(pattern.matcher(line)), false))
      .collect(Collectors.groupingBy(o->o, TreeMap::new, Collectors.counting()))
      .forEach((k, v) -> System.out.printf("%s\t%s\n",k,v));
}

Java 9提供方法Stream<MatchResult> results() directly on the Matcher. But for finding matches within a stream, there’s an even more convenient method on Scanner。这样，实现就简化为

try(Scanner s = new Scanner(System.console().reader())) {
    s.findAll(pattern)
     .collect(Collectors.groupingBy(MatchResult::group,TreeMap::new,Collectors.counting()))
     .forEach((k, v) -> System.out.printf("%s\t%s\n",k,v));
}

包含 Scanner.findAll 的后向端口，可与 Java 8.

一起使用

Answer 2

离开 Holger 的解决方案，我们可以通过让用户提供 Function<Matcher, String> 手术。我们还可以隐藏 Spliterator 作为实现细节，这样调用者就可以直接使用 Stream。根据经验，StreamSupport 应该由库代码使用，而不是用户。

public class MatcherStream {
  private MatcherStream() {}

  public static Stream<String> find(Pattern pattern, CharSequence input) {
    return findMatches(pattern, input).map(MatchResult::group);
  }

  public static Stream<MatchResult> findMatches(
      Pattern pattern, CharSequence input) {
    Matcher matcher = pattern.matcher(input);

    Spliterator<MatchResult> spliterator = new Spliterators.AbstractSpliterator<MatchResult>(
        Long.MAX_VALUE, Spliterator.ORDERED|Spliterator.NONNULL) {
      @Override
      public boolean tryAdvance(Consumer<? super MatchResult> action) {
        if(!matcher.find()) return false;
        action.accept(matcher.toMatchResult());
        return true;
      }};

    return StreamSupport.stream(spliterator, false);
  }
}

然后您可以像这样使用它：

MatcherStream.find(Pattern.compile("\w+"), "foo bar baz").forEach(System.out::println);

或针对您的特定任务（再次向 Holger 借用）：

try(BufferedReader br = new BufferedReader(System.console().reader())) {
  br.lines()
    .flatMap(line -> MatcherStream.find(pattern, line))
    .collect(Collectors.groupingBy(o->o, TreeMap::new, Collectors.counting()))
    .forEach((k, v) -> System.out.printf("%s\t%s\n", k, v));
}

Answer 3

如果您想使用 Scanner 和使用 findWithinHorizon 方法的正则表达式，您还可以将正则表达式转换为字符串流。这里我们使用流生成器，它在常规 while 循环中使用起来非常方便。

这是一个例子：

private Stream<String> extractRulesFrom(String text, Pattern pattern, int group) {
    Stream.Builder<String> builder = Stream.builder();
    try(Scanner scanner = new Scanner(text)) {
        while (scanner.findWithinHorizon(pattern, 0) != null) {
            builder.accept(scanner.match().group(group));
        }
    }
    return builder.build();
}

如何创建正则表达式匹配流？

How do I create a Stream of regex matches?

java

regex

java-8

java-stream