Java中如何获取重复正则表达式的匹配器分组？

问题分析 #

你的问题核心是正则表达式的贪婪匹配导致分组捕获错误，以及未精准限制路径段的匹配范围。原正则可能使用了.*这类贪婪匹配符，会包含斜杠等多余字符，导致分组错位；同时未处理URL末尾的可选斜杠，引发捕获异常。

正确正则表达式 #

针对你的需求，我们需要精准捕获协议、域名，以及v1之后的每个路径段，同时兼容末尾有无斜杠的情况：

String regex = "^(https)://([^/]+)/v1/([^/]+)/([^/]+)(?:/([^/]+))?(?:/([^/]+))?/*$";

• ^(https)：捕获协议（固定为https）作为第1组
• ([^/]+)：捕获域名（非斜杠的连续字符）作为第2组
• ([^/]+)：捕获v1后的第一个路径段（如a）作为第3组
• ([^/]+)：捕获第二个路径段（如b）作为第4组
• (?:/([^/]+))?：可选的第三个路径段（如c），作为第5组，非捕获组(?:)用于包裹可选结构，不占用分组编号
• (?:/([^/]+))?：可选的第四个路径段（如d），作为第6组
• /*$：匹配末尾任意数量的斜杠，兼容URL末尾带或不带斜杠的情况

Java代码示例 #

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class UrlGroupExtractor {
    public static void main(String[] args) {
        String regex = "^(https)://([^/]+)/v1/([^/]+)/([^/]+)(?:/([^/]+))?(?:/([^/]+))?/*$";
        Pattern pattern = Pattern.compile(regex);

        // 测试第一个URL
        String url1 = "https://123343/v1/a/b/";
        Matcher matcher1 = pattern.matcher(url1);
        if (matcher1.find()) {
            System.out.println("URL1分组结果：");
            System.out.println("group(1): " + matcher1.group(1)); // https
            System.out.println("group(2): " + matcher1.group(2)); // 123343
            System.out.println("group(3): " + matcher1.group(3)); // a（符合期望）
            System.out.println("group(4): " + matcher1.group(4)); // b
            System.out.println("group(5): " + matcher1.group(5)); // null（无对应路径段）
            System.out.println("group(6): " + matcher1.group(6)); // null（无对应路径段）
        }

        // 测试第二个URL
        String url2 = "https://123343/v1/a/b/c/d";
        Matcher matcher2 = pattern.matcher(url2);
        if (matcher2.find()) {
            System.out.println("\nURL2分组结果：");
            System.out.println("group(1): " + matcher2.group(1)); // https
            System.out.println("group(2): " + matcher2.group(2)); // 123343
            System.out.println("group(3): " + matcher2.group(3)); // a
            System.out.println("group(4): " + matcher2.group(4)); // b
            System.out.println("group(5): " + matcher2.group(5)); // c（符合期望）
            System.out.println("group(6): " + matcher2.group(6)); // d（符合期望）
        }
    }
}

关键说明 #

1. 用[^/]+替代.*：确保每个路径段只捕获非斜杠字符，避免贪婪匹配导致的分组错位
2. 可选分组结构：通过(?:/([^/]+))?实现对后续路径段的可选捕获，保证URL长度不同时都能正确匹配
3. 末尾斜杠处理：/*$允许URL末尾有0个或多个斜杠，避免因末尾斜杠导致匹配失败

内容的提问来源于stack exchange，提问作者Abhinav Manthri