Java正则提取文本如何支持$分组引用与\转义格式化输出？

不需要引入任何第三方类库，JDK内置的Matcher.appendReplacement()方法原生就完全支持你需要的格式化规则：$加数字的捕获组引用、反斜杠转义字面量的逻辑，和Matcher.replaceAll()的替换参数解析规则100%一致——replaceAll()本身的内部实现就是基于appendReplacement()完成的。

首先需要修正你原有代码的逻辑错误：遍历提取所有匹配项必须使用find()方法，matches()会要求整个输入文本完全匹配正则表达式，最多只会触发一次匹配，无法拿到多段匹配结果。

可直接复用的实现代码 #

public static String extractWithFormat(String content, Pattern pattern, String formatter) {
    Matcher matcher = pattern.matcher(content);
    StringBuilder resultBuilder = new StringBuilder();
    while (matcher.find()) {
        // 直接复用JDK内置的替换规则解析能力，格式化后追加结果，每个结果后加换行
        matcher.appendReplacement(resultBuilder, formatter + "\n");
    }
    return resultBuilder.toString();
}

效果验证 #

用你给出的测试用例运行：

public static void main(String[] args) {
    String fileContent = """
        aaabbcac aabb
        bcbcbbccc babba
    """;
    Pattern pattern = Pattern.compile("bb.*(.)(abb)");
    String extractionFormatter = "$1: $0, \\$$2";
    System.out.println(extractWithFormat(fileContent, pattern, extractionFormatter));
}

运行输出和你预期完全一致：

a: bbcac aabb, $abb
b: bbccc babb, $abb

说明 #

• 这里不需要调用appendTail()方法，因为我们只需要提取所有匹配到的片段的格式化结果，不需要拼接最后一个匹配段之后剩余的未匹配文本，完全匹配你的返回需求。
• 所有replaceAll()支持的格式化语法都可以直接使用：$0引用整个匹配到的子串、$n引用第n个捕获组的内容、\$转义输出字面量$、\\转义输出字面量\，不需要自己编写规则解析逻辑，完全避免重复造轮子。

内容的提问来源于stack exchange，提问作者user2526586