Java Matcher 怎样只在字符串区间内匹配

如果一段字符串里同时放着多条记录，直接调用 Matcher.find() 会从整个输入中搜索。想让正则只看其中一条记录，可以给 Matcher 设置 region(start, end)：起点包含，终点不包含。这样不必先复制子串，匹配结果的下标仍然对应原字符串。

最小做法是先创建 Matcher，再调用 region(开始下标, 结束下标)，之后的 find()、matches() 和 lookingAt() 都以这段区域为搜索范围；若模式使用 ^、$ 或 lookaround，还要额外决定边界是否锚定、是否透明。

先把 region 当成半开区间

region(6, 17) 表示从下标 6 开始，到下标 17 之前结束。regionStart() 和 regionEnd() 可以读取当前边界，调用 region() 本身会重置 Matcher 的显式匹配状态。

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

public class MatcherRegionDemo {
    public static void main(String[] args) {
        String input = "id=17;name=alice;role=admin";
        Pattern pair = Pattern.compile("(?\\w+)=(?\\w+)");
        Matcher matcher = pair.matcher(input);

        // 只让 Matcher 观察 name=alice；6 包含，17 不包含。
        matcher.region(6, 17);
        System.out.println(matcher.regionStart()); // 6
        System.out.println(matcher.regionEnd());   // 17
        if (matcher.find()) {
            // start/end 仍然是原字符串的下标，而不是复制子串后的新下标。
            System.out.println(matcher.group("key"));   // name
            System.out.println(matcher.group("value")); // alice
            System.out.println(matcher.start());         // 6
            System.out.println(matcher.end());           // 17
        }
    }
}

这里的关键不是把输入截成新的字符串，而是限制 Matcher 的搜索视野。因此结果的 start() 和 end() 仍可直接用于原始输入的切片或定位。

用 region 限制 find、matches 和 lookingAt

设置 region 后，find() 只会在区域内找子序列；matches() 要求整个 region 都匹配；lookingAt() 则从 region 的起点尝试匹配前缀。三者的区别仍然存在，region 只是改变了它们看到的范围。

Pattern number = Pattern.compile("\\d+");
Matcher matcher = number.matcher("head=42;tail=99");

// 区域只覆盖 42；不要把 end 写成包含式下标。
matcher.region(5, 7);
boolean wholeRegion = matcher.matches();

// region 是半开区间 [5, 7)，因此整个区域只有 "42"。
System.out.println(wholeRegion); // true

// 想重新搜索另一段输入时，先 reset，再设置新的 region。
matcher.reset("head=42;tail=99").region(12, 14);
System.out.println(matcher.find()); // true

实践中最常见的错误是把 end 当成最后一个字符的位置。它是排他上界；如果要覆盖下标 5 和 6，就应写 region(5, 7)。

遇到 ^ 和 $：决定谁是边界

默认情况下，Matcher 使用 anchoring bounds，region 的两端可以被 ^ 和 $ 当成锚点。若关闭它，region 的边界就不会匹配这两个锚点。

String input = "prefix=ID-42;suffix";
Pattern wholeId = Pattern.compile("^ID-\\d+$");
Matcher matcher = wholeId.matcher(input).region(7, 12);

// 默认 anchoring bounds 为 true：region 本身可作为 ^ 和 $ 的边界。
System.out.println(matcher.find()); // true

// 关闭后，^/$ 不再把 region 两端当作输入边界。
matcher.reset().region(7, 12).useAnchoringBounds(false);
System.out.println(matcher.find()); // false

如果你的模式是为了校验“这段 region 的全部内容”，默认锚定通常符合直觉；如果 ^ 和 $ 必须对应完整输入的两端，就要关闭 anchoring bounds，并明确测试边界条件。

lookaround 是否能看见 region 外的字符

lookbehind 和 lookahead 的默认边界是不透明的：它们不能越过 region 去查看外部字符。调用 useTransparentBounds(true) 后，region 边界对这些构造透明，前后查找可以看到区域外的字符，但真正的匹配结果仍必须落在 region 内。

String input = "A[ID-42]Z";
Pattern surroundedId = Pattern.compile("(?

可以把两类开关分开记：useAnchoringBounds 管 ^、$ 是否把 region 当边界；useTransparentBounds 管 lookahead、lookbehind 是否能越过 region 观察外部字符。它们互不替代。

重用 Matcher 时的三个检查点

Matcher 不是线程安全对象，并且保存着最近一次匹配的显式状态。复用时建议固定检查以下三点：

如果上一次匹配失败，直接调用 group()、start() 或 end() 会触发 IllegalStateException。先判断 find() 或 matches() 的返回值，再读取匹配状态。

常见问题

region 会复制字符串吗？

不会。Matcher 仍引用原始字符序列，只是把搜索限制到指定的起止下标，匹配位置也保持为原输入坐标。

region 的 end 能包含吗？

不能。它是排他上界；要包含下标 10，应把 end 写成 11。

为什么 lookbehind 在 region 起点匹配不到？

因为默认使用 opaque bounds，lookbehind 不能越过 region 起点。确认确实需要读取外部字符时，再开启 transparent bounds，并保持匹配本体在 region 内。

掌握 region 后，处理共享输入时可以避免反复创建子串；真正需要额外关注的是半开下标，以及锚点和 lookaround 对边界的不同解释。