Java中是否有简洁方法可从正则表达式中仅提取字符串字面量？

你需要做的本质是解析正则表达式的抽象语法树（AST），提取所有字面量节点的取值，自己用正则去拆正则结构很容易遇到各种边界问题（比如嵌套字符类、多重转义、Unicode属性转义等），用成熟的正则解析库是最稳妥的方案。

推荐方案：使用Google RE2J 库 #

RE2J是谷歌开源的正则表达式实现，它的解析器API是公开的，可以直接拿到正则的AST结构，无需依赖JDK内部API，兼容性好，Groovy可以直接调用。

依赖引入 #

Maven配置：

<dependency>
  <groupId>com.google.re2j</groupId>
  <artifactId>re2j</artifactId>
  <version>1.7</version>
</dependency>

Gradle配置：

implementation 'com.google.re2j:re2j:1.7'

示例代码（Groovy） #

import com.google.re2j.Parser
import com.google.re2j.RegexNode

def extractRegexLiterals(String regex) {
    def rootNode = Parser.parse(regex)
    def literalCollector = []
    traverseAst(rootNode, literalCollector)
    return literalCollector.join('')
}

def traverseAst(RegexNode node, List collector) {
    switch (node.type) {
        // 普通字符串字面量直接收集
        case RegexNode.Type.LITERAL:
            collector.add(node.getString())
            break
        // 转义结构处理，比如\\、\123这类转义值
        case RegexNode.Type.ESCAPE:
            collector.add((char) node.escapeValue as String)
            break
        // 其他类型节点（通配符、量词、字符类、分组等）递归遍历子节点
        default:
            node.children.each { traverseAst(it, collector) }
    }
}

// 测试用例
assert extractRegexLiterals(/\d{4}abc.*/) == 'abc'
assert extractRegexLiterals(/\\123/) == '\\123'

其他可选方案 #

• 如果你不想引入第三方依赖，可以通过反射调用JDK java.util.regex.Pattern 内部的AST解析逻辑，但该实现是JDK私有API，不同JDK版本可能存在兼容性问题，不建议生产环境使用。
• 如果需要自定义处理逻辑，也可以用ANTLR现成的正则语法生成解析器，不过成本比直接用RE2J高很多。

注意事项 #

如果你的业务逻辑需要过滤字符类（比如[abc]）里的字面量，只需要在遍历AST的时候，判断节点类型为CHAR_CLASS时跳过子节点遍历即可，可以根据自己的需求灵活调整遍历逻辑。

内容的提问来源于stack exchange，提问作者Kramer