Разбиение строки на группы в регулярных выражениях

177

08 июля 2019, 01:20

Хочу проверить строку на наличие хаотически выставленных букв разных регистров. Для примера строка на входе:

Это стрОка... это сТроКа.

Выходная строка:

Это строка... Это строка.

Установку первой буквы предложения делаю так:

private static final String DOT_REGEX = "\\s*(?<!\\.)\\.(?!\\.)\\s*";
private static final String MULTI_DOT_REGEX = "\\s*\\.{3}\\s*";
private static final String FORMAT_CASE = "(?:^| )^\\w" + "|" + MULTI_DOT_REGEX + "\\w" + "|" + DOT_REGEX + "\\w";

Функция которая обрабатывает строку и возвращает готовый результат:

private static String getFormatCaseString(String targetString){
        Matcher matcher = Pattern.compile(FORMAT_CASE).matcher(targetString);
        StringBuffer stringBuffer = new StringBuffer();
        while (matcher.find()){
            matcher.appendReplacement(stringBuffer, matcher.group().toUpperCase());
        }
        matcher.appendTail(stringBuffer);
        return stringBuffer.toString();
    }

Идея в том что бы разбить предложение на две группы: первая это первые буквы нового предложения (которые и устанавливаются в UpperCase) и вторая это все остальные буквы которые выставляются в нижнем регистре. Как это сделать?

Answer 1

Вы можете захватить первую букву (символ типа word) в первую захватывающую группу и весь текст до первой одиночной точки или троеточия в другую группу, а дальше применить имеющуюся логику для замены:

String targetString = "Это стрОка... это сТроКа.";
Matcher matcher = Pattern.compile("(?Us)(\\w)(.*?(?:\\.{3}|(?<!\\.)\\.(?!\\.)))").matcher(targetString);
StringBuffer stringBuffer = new StringBuffer();
while (matcher.find()){
    matcher.appendReplacement(stringBuffer, 
        matcher.group(1).toUpperCase() + 
        matcher.group(2).toLowerCase()
    );
}
matcher.appendTail(stringBuffer);
System.out.println(stringBuffer.toString());
// = Это строка... Это строка.

Подробности

(?Us) - модификаторы Pattern.UNICODE_CHARACTER_CLASS (чтобы \w находил и русские буквы) и Pattern.DOTALL (чтобы . находил символы перевода строки)
(\\w) - Захватывающая группа №1: буква, цифра или _ (это значение будет приведено к верхнему регистру - matcher.group(1).toUpperCase())
(.*?(?:\\.{3}|(?<!\\.)\\.(?!\\.))) - Захватывающая группа №2 (это значение будет приведено к нижнему регистру - matcher.group(2).toLowerCase()):
- .*? - 0 и более любых символов, как можно меньше
- (?: - начало незахватывающей группы
  - \\.{3} - три точки
  - | - или
  - (?<!\\.)\\.(?!\\.) - точка, перед и за которой нет других точек
- ) - конец незахватывающей группы