Scala正则匹配时如何捕获所有迭代重复的子分组内容
问题根源
你遇到的提取不到全量重复匹配子分组的问题,是所有基于Java正则引擎的语言(包括Scala)的通用规则限制:
- 当捕获组后绑定
+、*等可重复匹配的量词时,组内只会保留最后一次迭代匹配的捕获值,所有之前的匹配结果会被直接覆盖。 - 你当前编写的正则中,
( (\d+) (\w+ \w+) (?:potion|potions)[,.])+这个外层带+的组,以及组内的用量捕获组、药名捕获组,都会在匹配完成后仅保留最后一项成分(即示例中的5 plentiful magicka)的结果,前两项的匹配值完全丢失,根本无法拿到完整的成分列表。
原始问题中的错误正则写法:
val recipePattern: Regex = """(\w+ \w+) potion is( (\d+) (\w+ \w+) (?:potion|potions)[,.])+""".r
可落地的解析方案
不要把所有匹配逻辑硬塞进带重复量词的单条正则里,用分层拆分的方式解析,是兼容性最好、规避所有引擎坑的实现路径:
- 第一层匹配:提取配方头部的主药剂名称,同时把后续的成分列表原始文本单独切出来
- 第二层匹配:对成分原始文本做全局遍历匹配,拿到每一个独立成分项的全量捕获值
- 按照定义的领域模型组装结果,对无成分的基础药剂场景做Option适配
完整实现代码
import scala.util.matching.Regex // 领域模型定义 case class Potion(name: String) case class Formula(potion: Potion, ingredients: Option[List[(Potion, Int)]]) // 待解析的配方字符串 val recipe = "white phial potion is 3 fortify health potions, 1 vigorous stamina potion, 5 plentiful magicka potions." // 两层拆分的正则定义 // 第一层:匹配配方开头,捕获主药剂名、成分区原始文本 val headPattern: Regex = """^(\w+ \w+) potion is\s*(.*)$""".r // 第二层:匹配单条成分,捕获用量、成分药剂名 val ingredientPattern: Regex = """(\d+) (\w+ \w+) (?:potion|potions)[,.]?""".r val parsedResult = recipe match { case headPattern(mainPotionName, rawIngredientSection) => // 遍历所有匹配到的成分,提取全量值 val ingredientList = ingredientPattern.findAllMatchIn(rawIngredientSection) .map(m => { val count = m.group(1).toInt val ingrPotion = Potion(m.group(2)) (ingrPotion, count) }) .toList Formula( potion = Potion(mainPotionName), ingredients = if (ingredientList.isEmpty) None else Some(ingredientList) ) case _ => throw new IllegalArgumentException("Invalid recipe format") }
解析输出结果
针对示例配方,最终得到的parsedResult结构完全符合预期:
- 主药剂字段:
Potion("white phial") - 成分字段:
Some(List((Potion("fortify health"),3), (Potion("vigorous stamina"),1), (Potion("plentiful magicka"),5)))
注意事项
- 所有涉及需要提取多次重复匹配捕获值的场景,都不要使用带
+/*量词的嵌套捕获组,这类写法无法跨正则引擎拿到全量值,属于引擎层面的设计限制,和Scala语法本身无关。 - 后续如果需要适配更复杂的配方格式(比如成分之间带额外的连接词、大小写混合的命名、带修饰符的数量值),只需要调整对应层级的正则规则即可,整体分层解析的逻辑不需要改动。
内容的提问来源于stack exchange,提问作者micsza
相关产品推荐
相关产品推荐

