[Regexp] selectief whitespace characters uitfilteren

[Kman]

Hallo allemaal!

Ik zoek naar een manier om middels een regular expression whitespace characters (tabs, spaties) te matchen die voor de eerstgevonden non-whitespace characters staan.

Bijvoorbeeld in onderstaande string:

                  System.out.println("ladieda");       

wil ik alle tabs, spaties e.d. hebben die voor de System.out statement staan, maar niet diegene die achter het statement staan.

De implementatie hiervan gebeurd in Java. Hierin is het mogelijk om whitespace characters te matchen met \s. Maar die zal alle gevonden tabs en spaties vinden, ook die wat achter het System.out statement staat.

Hoe kan ik met regular expressions aangeven dat alle tabs en spaties worden gematcht, totdat er een non-whitespace character wordt gevonden?

[NMe]

In PCRE staat ^ voor het begin van een regel, en $ voor het einde. Kun je dat niet gebruiken?

[The - DDD]

Java regex:

code:

^\s*(?=\S)

Vanaf het begin van de regel alle whitespacegevolgd door een NIET whitespace karakter. De NIET whitespace wordt gematched met een positive lookahead, lookarounds zijn NON capturing.

http://java.sun.com/j2se/...a/util/regex/Pattern.html

[NMe]

Die lookahead lijkt me niet nodig, zolang je regexp greedy is? Heck, zelfs als ie niet greedy is moet het nog goed gaan zonder lookahead.

[Kman]

De lookahead was inderdaad de oplossing Bedankt!!

En @ -NME-, volgens mij kan dit ook niet op een andere manier. Aangezien je 2 reeksen van dezelfde typen karakters hebt (de whitespace chars), zijn ze volgens mij niet apart van elkaar te isoleren zonder lookarounds. Misschien dat middels een trucje met groups nog wat uitgehaald kan worden, maar dat is mij in ieder geval nog niet gelukt.

[tweakerbee]

Werkt

code:

^[\s]*

niet gewoon?

(Net getest en hier werkt ie.) Zou de voorkeur verdienen omdat ie ws. sneller is dan met een lookaround.

[ Voor 56% gewijzigd door tweakerbee op 20-07-2006 15:53 ]

[Kman]

I stand corrected Thx!

[muba]

tweakerbee schreef op donderdag 20 juli 2006 @ 15:52:
Werkt

code:

^[\s]*

niet gewoon?

(Net getest en hier werkt ie.) Zou de voorkeur verdienen omdat ie ws. sneller is dan met een lookaround.

Zelfs zonder character class...

code:

^\s*

[NMe]

Dat zeg ik: zonder lookahead dus. Die lookahead is erg overbodig hier.

[tweakerbee]

*kuch* we zitten wel een beetje te prutsen met z'n allen (uitgezonderd -NMe-)

[The - DDD]

Ik was inderdaad Mr. Greedy vergeten.
Door die lookahead match je expliciet op een whitespace reeks gevolgd door een nog whitespace karakter. Maar vanwege greedy is het inderdaad overbodig.

[ Voor 15% gewijzigd door The - DDD op 21-07-2006 10:44 ]