如何创建正则表达式匹配项流？

regex java java-8 java-stream

2022-09-01 08:54:30

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，并按字母顺序打印结果。这个问题似乎与 Streams API 很匹配，但我找不到一种简洁的方法来从 Matcher 创建匹配项流。

我通过实现对匹配项的迭代器并将其包装到流中来解决此问题，但结果不是很可读。如何在不引入其他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);
        });
    }
}

答案 1

好吧，在Java 8中，有Pattern.splitAsStream，它将提供按分隔符模式拆分的项目流，但不幸的是，不支持获取匹配流的方法。

如果你要实现这样的，我建议直接实现，而不是实现和包装一个.您可能更熟悉，但实现一个简单的方法是直截了当的：StreamSpliteratorIteratorIteratorSpliterator

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进行覆盖。forEachRemaining

如果我正确地理解了您的尝试，解决方案应该看起来更像：

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 提供了一个方法 Stream<MatchResult> results（） 直接在 .但是，要在流中查找匹配项，在 Scanner 上还有一种更方便的方法。有了这个，实现简化为Matcher

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));
}

这个答案包含一个可以与Java 8一起使用的反向端口。Scanner.findAll

答案 2

脱离 Holger 的解决方案，我们可以通过让用户提供操作来支持任意操作（例如获取第 n个组）。我们还可以隐藏作为实现细节，以便调用方可以直接使用。根据经验，库代码应该使用，而不是用户。MatcherFunction<Matcher, String>SpliteratorStreamStreamSupport

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);

或者对于您的特定任务（再次从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));
}