在编程实践中，对特定字符串进行模式匹配是常见需求。然而，当目标字符串包含正则表达式中的特殊字符（如 +）或需要区分相似但含义不同的词组（如 "c" 和 "c++"）时，简单的匹配往往不足以满足需求。本节将深入探讨如何利用 java 的 java.util.regex 包，结合高级正则表达式特性，实现对 "c++" 的精确匹配，并有效排除对独立 "c" 的误识别。
理解核心正则表达式概念
要实现精确匹配，需要掌握以下几个关键的正则表达式组件：
- 词边界 (\b): \b 匹配一个词的边界。它表示一个位置，该位置的一侧是词字符（字母、数字、下划线），另一侧是非词字符（空格、标点符号、行首/行尾）或字符串的开头/结尾。例如，\bC\b 可以匹配独立的 "C"，而不会匹配 "C++" 中的 "C" 或 "Code" 中的 "C"。
- 非词边界 (\B): \B 与 \b 相反，它匹配一个非词边界。这意味着它匹配的位置两侧都是词字符，或者两侧都是非词字符。在匹配 "C++" 时，\B 可以用于确保 "++" 后面不是另一个词字符，从而更精确地定义匹配的结束。
- 特殊字符转义 (\+): + 在正则表达式中是一个量词，表示匹配前一个字符或组一次或多次。因此，如果需要匹配字面意义上的加号字符，必须使用反斜杠对其进行转义，即 \+。匹配 "C++" 时，需要写成 C\+\+。
- 负向先行断言 ((?!...)): 负向先行断言是一种零宽度断言，它不消耗任何字符，但会检查其后的内容。(?!) 表示“后面不能是...”。如果断言内的模式匹配成功，则整个先行断言失败，从而导致主模式不匹配。这是区分 "C" 和 "C++" 的关键工具。例如，C(?!\\+{2}) 匹配 "C"，但前提是 "C" 后面不能紧跟着 "++"。
精确匹配 "C++"
为了在文本中准确找到 "C++"，我们可以使用以下正则表达式：
(?i).*\\bc\\+\\+\\B.*
让我们分解这个正则表达式：
- (?i): 这是一个内联修饰符，表示后续匹配不区分大小写（i 代表 CASE_INSENSITIVE）。这样可以匹配 "c++", "C++" 等。
- .*: 匹配任意字符（除了换行符）零次或多次。这允许 "C++" 出现在字符串的任何位置。
- \b: 确保 "c" 是一个词的开始。例如，它不会匹配 "ac++" 中的 "c"。
- c\+\+: 匹配字面意义上的 "c++"。注意 + 必须转义。
- \B: 确保 "++" 之后不是一个词字符。这有助于区分 "C++" 和 "C++Builder"（如果 \B 被 \b 替换，C++Builder 可能无法匹配）。在大多数情况下，"C++" 作为一个独立的技术名称，其后通常是空格、标点符号或字符串结尾，此时 \B 是一个合适的选择。
- .*: 再次匹配任意字符零次或多次，以覆盖 "C++" 之后可能存在的其他内容。
Java 示例代码：
立即学习“Java免费学习笔记（深入）”；
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexMatchCPlusPlus {
public static void main(String[] args) {
String text1 = "Framework, C++ and Visual Studio IDEs.";
String text2 = "This is a C project.";
String text3 = "C++Builder is powerful.";
String text4 = "Learn c++ programming.";
// 匹配 "C++"
Pattern patternCPlusPlus = Pattern.compile("(?i).*\\bc\\+\\+\\B.*");
Matcher matcher1 = patternCPlusPlus.matcher(text1);
System.out.println("Text 1 ('" + text1 + "') contains C++: " + matcher1.matches()); // true
Matcher matcher2 = patternCPlusPlus.matcher(text2);
System.out.println("Text 2 ('" + text2 + "') contains C++: " + matcher2.matches()); // false
Matcher matcher3 = patternCPlusPlus.matcher(text3);
System.out.println("Text 3 ('" + text3 + "') contains C++: " + matcher3.matches());
// true (因为C++Builder中C++后是B，B是非词边界，因此\\B匹配成功)
Matcher matcher4 = patternCPlusPlus.matcher(text4);
System.out.println("Text 4 ('" + text4 + "') contains C++: " + matcher4.matches()); // true
}
}匹配 "C" 但排除 "C++"
如果需要匹配独立的 "C"，但明确排除 "C++" 的情况，负向先行断言将发挥关键作用。
(?i).*\\bC\\b(?!\\+{2}).*让我们分解这个正则表达式：
- (?i): 不区分大小写匹配。
- .*: 匹配任意字符零次或多次。
- \bC\b: 匹配独立的词 "C"。这确保了 "C" 是一个完整的词，例如，它不会匹配 "Code" 或 "C++" 中的 "C"。
- (?!\\+{2}): 这是负向先行断言的核心。
- \+: 匹配字面意义上的 + 号。
- {2}: 表示前一个字符（+）出现两次。所以 \+{2} 匹配 "++"。
- (?!...): 整个断言表示“如果紧接着的不是 '++'，则匹配成功”。
- .*: 匹配剩余的任意字符。
Java 示例代码：
立即学习“Java免费学习笔记（深入）”；
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexMatchCButNotCPlusPlus {
public static void main(String[] args) {
String text1 = "This is a C project.";
String text2 = "Framework, C++ and Visual Studio IDEs.";
String text3 = "C is a foundational language.";
String text4 = "C# is another language.";
// 匹配 "C" 但排除 "C++"
Pattern patternCNotCPlusPlus = Pattern.compile("(?i).*\\bC\\b(?!\\+{2}).*");
Matcher matcher1 = patternCNotCPlusPlus.matcher(text1);
System.out.println("Text 1 ('" + text1 + "') contains C (not C++): " + matcher1.matches()); // true
Matcher matcher2 = patternCNotCPlusPlus.matcher(text2);
System.out.println("Text 2 ('" + text2 + "') contains C (not C++): " + matcher2.matches()); // false (因为C后面是++)
Matcher matcher3 = patternCNotCPlusPlus.matcher(text3);
System.out.println("Text 3 ('" + text3 + "') contains C (not C++): " + matcher3.matches()); // true
Matcher matcher4 = patternCNotCPlusPlus.matcher(text4);
System.out.println("Text 4 ('" + text4 + "') contains C (not C++): " + matcher4.matches()); // true (C#中的C后面不是++)
}
}总结与注意事项
通过上述示例，我们可以看到，在 Java 中使用正则表达式进行精确匹配，尤其是当目标字符串包含特殊字符或需要区分上下文时，理解并正确运用词边界 (\b, \B)、特殊字符转义以及零宽度断言（如负向先行断言 (?!)）至关重要。
注意事项：
- 转义特殊字符: 任何在正则表达式中有特殊含义的字符（如 . * + ? ^ $ [ ] ( ) { } | \）如果需要匹配其字面值，都必须使用 \ 进行转义。在 Java 字符串中，\ 本身也是特殊字符，因此在正则表达式字符串中表示 \ 时，需要写成 \\。
-
Pattern.matches() 与 Matcher.find():
- Pattern.matches(regex, input) 或 Matcher.matches() 尝试匹配整个输入序列。如果正则表达式不包含 .* 在开头和结尾，但输入字符串前后有额外内容，matches() 将返回 false。
- `Matcher.
