为什么 java.util.regex.matcher 不匹配该字符串中的所有实例？

Question

我有以下代码：http://ideone.com/mFUaqG

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

class RegexUtils
{
    private static final Pattern resourceURLCSS     = Pattern.compile("url\\([\'\"](((?!://).)*)[\'\"]\\)");
    private static final Pattern resourceURLHTML    = Pattern.compile("(href|src|url)=[\'\"](((?!://).)*)[\'\"]");

    public static String makeCSSURLsAbsolute(String input, String baseURL)
    {
        Matcher matcher     = resourceURLCSS.matcher(input);
        return matcher.replaceAll("url('"+baseURL+"$1')");
    }
    public static String makeHTMLURLsAbsolute(String input, String baseURL)
    {
        Matcher matcher     = resourceURLHTML.matcher(input);
        return matcher.replaceAll("$1=\""+baseURL+"$2\"");
    }

    public static void main(String[] args)
    {
        String fixed    = RegexUtils.makeCSSURLsAbsolute("div#header { background-image: url('images/header-background.jpg'); } div#header { background-image: url('images/header-background.jpg'); }", "http://www.google.ca/");
        System.out.println(fixed);

        fixed           = RegexUtils.makeHTMLURLsAbsolute("href=\"wtfguys.css\" href=\"wtfguys.css\"", "http://www.google.ca/");
        System.out.println(fixed);
    }
}

不幸的是，这段代码并没有达到我的预期，即用字符串替换来替换所有出现的正则表达式。我们本质上是用绝对 URL 替换 CSS 和 HTML 中的相对 URL。它似乎只是取代了第一次出现，给出

div#header { background-image: url('http://www.google.ca/images/header-background.jpg'); } div#header { background-image: url('images/header-background.jpg'); }
href="http://www.google.ca/wtfguys.css" href="wtfguys.css"

作为输出。有什么建议吗？

Answer 1

您正在使用尝试匹配单引号和双引号属性值的正则表达式。问题是，您可能会匹配截断的值，因为这两种模式都无法确保开头引号与结尾引号匹配。另外，值本身应该缺少该引用。

因此，将起始引号包装到捕获组中，使用反向引用作为结束分隔符，并添加反向引用作为调和贪婪标记中前瞻的替代方案。然后，修复替换模式，因为反向引用的顺序会改变。

private static final Pattern resourceURLCSS     = Pattern.compile("url\\((['\"])((?:(?!://|\\1).)*)\\1\\)");
private static final Pattern resourceURLHTML    = Pattern.compile("(href|src|url)=(['\"])((?:(?!://|\\2).)*)\\2");

public static String makeCSSURLsAbsolute(String input, String baseURL)
{
    Matcher matcher     = resourceURLCSS.matcher(input);
    return matcher.replaceAll("url('"+baseURL+"$2')");
}
public static String makeHTMLURLsAbsolute(String input, String baseURL)
{
    Matcher matcher     = resourceURLHTML.matcher(input);
    return matcher.replaceAll("$1=\""+baseURL+"$3\"");
}

查看 IDEONE 演示

Answer 2

.*

是贪婪的。匹配器将

wtfguys.css" href="wtfguys.css

捕获为

$2

，而不是

wtfguys.css

。您可以使用

.*?

或

[^\"]*

代替，因为 URL 内部甚至没有转义引号。此问题的参考解释了几个选项（包括 Wiktor 提到的选项）：http://www.rexegg.com/regex-quantifiers.html#greedytrap.