Java和regex lexer

Question

我试图在Java中使用regex来制作一种定制的标记“语言”，这是我第一次使用这些东西，所以在一些事情上有点迷失了。

其中一个可能的语法示例是：

Some <#000000>*text* [<#ffffff>Some more](action: Other <#gradient>text) and **finally** some more <#000>text!

我能够捕获一些东西，例如，我使用(?<hex><#\w+>)捕获“十六进制”，使用(?<action>\[[^]]*]\([^]]*\))获取整个"action“块。

我的问题是能把所有的东西都捕捉到一起，比如，如何把它们结合起来。例如，lexer需要输出如下内容：

TEXT - Some
HEX - <#000000>
TEXT - *text*
ACTION - [<#ffffff>Some more](action: Other <#gradient>text)
TEXT - and **finally** some more
HEX - <#000>
TEXT - text!

我稍后会处理粗体和斜体字。

希望能就如何将它们结合在一起提出一些建议。

Answer 1

一个选项可以是使用与每个独立部分相匹配的替换，对于文本部分使用(例如字符类 [\w!* ]+ )。

在Java中，您可以检查捕获组的名称。

(?<hex><#\w+>)|(?<action>\[[^]]*]\([^]]*\))|(?<text>[\w!* ]+)

解释

• (?<hex><#\w+>)捕获组hex、match #和1+ word chars
• |或
• (?<action>捕获组action
  • \[[^]]*]\([^]]*\) Match [.]后面跟着(...)

• )紧群
• |或
• (?<text>[\w!* ]+)捕获组text，匹配字符类中列出的任何字符的1+次数。

Regex演示 x- Java演示

示例代码：

String regex = "(?<hex><#\\w+>)|(?<action>\\[[^]]*]\\([^]]*\\))|(?<text>[\\w!* ]+)";
String string = "Some <#000000>*text* [<#ffffff>Some more](action: Other <#gradient>text) and **finally** some more <#000>text!";

Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(string);

while (matcher.find()) {
    if (matcher.group("hex") != null) {
        System.out.println("HEX - " + matcher.group("hex"));    
    }
    if (matcher.group("text") != null) {
        System.out.println("TEXT - " + matcher.group("text"));  
    }
    if (matcher.group("action") != null) {
        System.out.println("ACTION - " + matcher.group("action"));  
    }
}

输出

TEXT - Some 
HEX - <#000000>
TEXT - *text* 
ACTION - [<#ffffff>Some more](action: Other <#gradient>text)
TEXT -  and **finally** some more 
HEX - <#000>
TEXT - text!

Answer 2

您可以使用Regex捕获组(如这个^(.*?) (?<hex1><#\w+>)(\*[^*]*\*) (?<action>\[[^]]*]\([^]]*\)) (.*?) (?<hex2><#\w+>)(.*)$ )来更好地理解这个单击此处。