Удалить совпадение регулярных выражений, помещенных внутри других регулярных выражений

Question

У меня есть два регулярных выражения. Я хочу удалить все совпадения второго, если они помещены внутри совпадений первого. В принципе, ничто не может сравниться с тем, что уже было согласовано. Пример:

Первое регулярное выражение (жирный) - c\w+ находит слова, начинающиеся с c

Второе регулярное выражение (подчеркнуты) - me находит me

Результат: верблюд уход преступления прохладный дом среда расплава

me в c-словах также сопоставляются. Хочу, чтобы я хотел: верблюд преступление уход прохладно medium melt home

Два результата второго регулярного выражения в результатах первого регулярного выражения, я хочу удалить их или просто не совпадать с ними вообще. Вот что я пробовал:

String text = "camel crime care cool medium melt home"; 

static final Pattern PATTERN_FIRST = Pattern.compile("c\w+"); 
static final Pattern PATTERN_SECOND = Pattern.compile("me"); 

// Save all matches 
List<int[]> firstRegexMatches = new ArrayList<>(); 
for (Matcher m = PATTERN_FIRST.matcher(text); m.find();) { 
    firstRegexMatches.add(new int[]{m.start(), m.end()}); 
} 

List<int[]> secondRegexMatches = new ArrayList<>(); 
for (Matcher m = PATTERN_SECOND.matcher(text); m.find();) { 
    secondRegexMatches.add(new int[]{m.start(), m.end()}); 
} 

// Remove matches of second inside matches of first 
for (int[] pos : firstRegexMatches) { 
     Iterables.removeIf(secondRegexMatches, p -> p[0] > pos[0] && p[1] < pos[1]); 
} 

В этом коде я хранить все матчи обоих в списке, попробуйте удалить из второго списка матчей помещается внутри первого списка совпадений.

Это не только не работает, но я не уверен, что он очень эффективен. Обратите внимание, что это упрощенная версия моей ситуации, которая содержит больше регулярных выражений и большой текст. Итераторы - из Гуавы.

Answer 1

Прежде всего, вы можете достичь чего-то подобного слияния оба выражения в одно целое.

(^c\w+)|\s(c\w+)|(\w*me\w*) 

Если вы подходите к этому регулярному выражению каждый матч будет либо слово, начиная с «с», а затем несколько слов-символов или слово, содержащее «меня». Для каждого сопрягать вас тогда либо получить группу: (1) или (2) указывает на слово, начинающееся с «с» или (3), указывающий слово, содержащее «меня»

Однако заметим, что это работает только в случае, если вы знаете разделитель слов, в этом случае символ \ s.

Пример кода:

String text = "camel crime care cool medium melt home"; 

    final Pattern PATTERN = Pattern.compile("(^c\\w+)|\\s(c\\w+)|(\\w*me\\w*)"); 

    // Save all matches 
    List<String> wordsStartingWithC = new ArrayList<>(); 
    List<String> wordsIncludingMe = new ArrayList<>(); 

    for (Matcher m = PATTERN.matcher(text); m.find();) { 
     if(m.group(1) != null) { 
      wordsStartingWithC.add(m.group(1)); 
     } else if(m.group(2) != null) { 
      wordsStartingWithC.add(m.group(2)); 
     } else if(m.group(3) != null) { 
      wordsIncludingMe.add(m.group(3)); 
     } 
    } 

    System.out.println(wordsStartingWithC); 
    System.out.println(wordsIncludingMe); 

---

Я рекомендую упростить это, взяв несколько иной подход. Как вы, кажется, знаете ограничителя слов, а именно символ пробела, вы можете получить коллекцию всех слов, просто разделив исходную строку.

String[] words = "camel crime care cool medium melt home".split(" "); 

Вы тогда просто перебираете все эти.

for(String word: words) {     
    if(word.startsWith("c")) { 
     // put in your list for words starting with "c" 
    } else if (word.contains("me")) { 
     // put in your list for words containing "me" 
    } 
} 

Это приведет к двум спискам без повторяющихся записей, как второе, если оператор будет выполняться только в случае, если первый терпит неудачу.

Answer 2

Нельзя ли комбинировать два Regexes? Например, после того, как mec можно найти, используя один Regex с этим кодом:

((?<=c)|(?<=c\w)|(?<=c\w{2})|(?<=c\w{3})|(?<=c\w{4})|(?<=c\w{5}))me 

Проверьте это здесь: https://regex101.com/r/bfNkvF/2