Замена этим шаблоном не работает, как я ожидал бы, что не так?

Question

мне нужна помощь по извлечению несколько слов из этого предложения:

String keywords = "I like to find something vicous in somewhere bla bla bla.\r\n" + 
      "https://address.suffix.com/level/somelongurlstuff"; 

И мой соответствующий код выглядит примерно так:

keywords = keywords.toLowerCase(); 
    regex = "(I like to find)(.*)(in)(.*)(\\.){1}(.*)"; 
    regex = regex.toLowerCase(); 
    keywords = keywords.replaceAll(regex, "$4 $2"); //"$4 $2"); 

И я хочу, чтобы извлечь слова между find и in и между in и первая точка. однако, поскольку URL-адрес имеет несколько точек, начинает происходить какой-то странный материал, и я получаю то, что мне нужно, плюс URL-адреса, которые заменяются пустыми местами. Я хочу, чтобы URL-адрес ушел, потому что в моем случае он должен совпадать с (.*), и мне нужна только одна точка после моих слов с (\\.){1}, поэтому мне интересно, что там происходит? Есть идеи?

Добавив (?s) или удалив все новые строковые символы в строке перед сопоставлением по регулярному выражению, вы получите что-то вроде: somewhere bla bla bla address suffix something vicious, так что проблема с URL-адресом, не оставив там точки, остается.

Это НЕ только о соответствии многострочного текста.

Answer 1

Вам нужно две вещи для исправления: 1) добавить модификатор DOTALL, так как у вас есть текст, который охватывает несколько строк, и 2) использовать ленивое совпадение точек или - более эффективно - отрицательный класс символов [^.] для соответствия символам до первого . после in:

(?s)(I like to find)(.*)(in)([^.]*)(\.)(.*) 
           ^^^^^^^ 

regex demo См

Однако, лучшим вариантом было бы this one:

(?s)(I like to find)(.*?)(in)([^.]*)(\.)(.*) 

Недостаточный (ленивый) квантификатор заставляет двигатель соответствовать как можно меньшему количеству символов между лениво квантифицированным подшаблоном и следующим подшаблоном. Если мы используем .* до (in), произойдет обратное отслеживание, то есть целая строка после того, как "I like to find " будет захвачен двигателем регулярного выражения, а затем двигатель переместится назад и ищет последниеin. Таким образом, использование .*? будет соответствовать , начиная сin.

Вместо [^.]* вы можете использовать . с неохотой квантора *? совпасть с первой точки, но это дороже, с точки зрения производительности, так как двигатель расширяет подмаскам на каждый провал попадается при попытке соответствовать строка с последующими подшаблонами.

Отметьте мой ответ для Perl regex matching optional phrase in longer sentence, чтобы понять, как работают жадные и ленивые (= неохотные) кванторы.