Java Regex: cómo hacer coincidir uno o más caracteres de espacio

Question

¿Cómo se relaciona más de un carácter de espacio en Java regex?

Tengo una expresión regular que estoy tratando de hacer coincidir. La expresión regular falla cuando tengo dos o más caracteres espaciales.

public static void main(String[] args) { 
    String pattern = "\\b(fruit)\\s+([^a]+\\w+)\\b"; //Match 'fruit' not followed by a word that begins with 'a' 
    String str = "fruit apple"; //One space character will not be matched 
    String str_fail = "fruit apple"; //Two space characters will be matched 
    System.out.println(preg_match(pattern,str)); //False (Thats what I want) 
    System.out.println(preg_match(pattern,str_fail)); //True (Regex fail) 
} 

public static boolean preg_match(String pattern,String subject) { 
    Pattern regex = Pattern.compile(pattern); 
    Matcher regexMatcher = regex.matcher(subject); 
    return regexMatcher.find(); 
} 

Answer 1

El problema es realmente debido a backtracking. Su expresión regular:

"\\b(fruit)\\s+([^a]+\\w+)\\b" 

dice que "la fruta, seguido de uno o más espacios, seguido de uno o más caracteres 'a' no, seguido de uno o más caracteres 'palabra'". La razón por la que esto falla con dos espacios es porque \s+ coincide con el primer espacio, pero luego devuelve el segundo, que luego satisface el [^a]+ (con el segundo espacio) y la parte \s+ (con el primero).

Creo que puede solucionarlo simplemente utilizando el cuantificador posessive en su lugar, que sería \s++. Esto le dice al \sno para devolver el segundo carácter de espacio. Puede encontrar la documentación sobre los cuantificadores de Java here.

---

A modo de ejemplo, aquí hay dos ejemplos: en Rubular

(resultados esperados da, de lo que describes)

1. Using the possessive quantifier on \s
2. Your current regex with separate groupings around [^a\]+ and \w+. Observe que el segundo grupo de coincidencia (que representa el [^a]+) está capturando un segundo carácter de espacio.