多行文本的负前瞻断言

Question

我正在寻找一种方法来检查多行字符串（来自pdf）是否包含一定不能以特定前缀开头的特定字母组合。具体来说，我正在尝试查找包含ARC但不包含的字符串NON-ARC。我发现了这个很好的示例正则表达式，用于不以序列开头的字符串，但它似乎不适用于我的问题。使用我的模式^(?!NON\\-)ARC.*，我在单行测试中得到了预期的结果，在实际输入的情况下，否定前瞻断言有误报。这是我所做的：@Testpublic void testRegexLookAhead() {    String strTestSimplePos = "ARC 0.1-1";    String strTestSimpleNeg = "NON-ARC 3.4-1";    String strTestRealPos = "HEADLINE\r\n" + "Subheader Author\r\n" + "ARC 0.1-1\r\n" + "20190211";    String strTestRealNeg = "HEADLINE\r\n" + "Subheader Author\r\n" + "NON-ARC 0.1-1\r\n" + "20190211";    //based on https://stackoverflow.com/questions/899422/regular-expression-for-a-string-that-does-not-start-with-a-sequence    String regexNoNON = "^(?!NON\\-)ARC.*";                   Pattern noNONPatter = Pattern.compile(regexNoNON);    System.out.println(noNONPatter.matcher(strTestSimplePos).find()); //true OK     System.out.println(noNONPatter.matcher(strTestSimpleNeg).find()); //false OK    System.out.println(noNONPatter.matcher(strTestRealPos).find()); //false but should be true -> does not work as intended    System.out.println(noNONPatter.matcher(strTestRealNeg).find()); //false OK 如果有人能指出出了什么问题，我会很高兴...编辑：这被标记为How to use java regex to match a line - 但是我根本没有尝试使用 regex 来匹配行。只需要一种方法来为多行文本输入找到特定序列（带有负前瞻）。解决另一个问题的一种方法也是解决这个问题的方法（使用 java.util.regex.Pattern.MULTILINE 编译模式） - 但问题充其量是相关的。

Answer 1

您的输入字符串有多行并且您正在使用插入符号，您需要添加多行标志：

Pattern.compile(regexNoNON, java.util.regex.Pattern.MULTILINE);

关于多线：

启用多行模式。

在多行模式中，表达式 ^ 和 $ 分别在行终止符或输入序列的结尾之后或之前匹配。默认情况下，这些表达式只匹配整个输入序列的开头和结尾。

Answer 2

试试这个正则表达式：

HEADLINE(?:(?!HEADLINE)[\s\S])*(?<!NON-)ARC(?:(?!HEADLINE)[\s\S])*

点击演示

JAVA代码

解释：

• HEADLINE- 匹配单词HEADLINE

• (?:(?!HEADLINE)[\s\S])*- 匹配不以单词开头的任何字符的 0+ 次出现HEADLINE

• (?<!NON-)ARCARC-如果单词前面没有紧跟，则匹配该单词NON-

• (?:(?!HEADLINE)[\s\S])*- 匹配不以单词开头的任何字符的 0+ 次出现HEADLINE