multiregexp

多模式正则匹配

对 c++ 实现的Lightgrep 的一个java 包装，接口重新设计，风格更偏向java。此外， c++ 部分也对原来的 Lightgrep 做了少量修改，不需要依赖 icu，并从re2 增加了一些 unicode 属性名称。修改代码将在另外项目中公布。

项目由来

在实际工作中，我需要从数以10万计的正则中匹配出给定的文本，所以一直在寻找一种多模式正则匹配方案。以前，有一个开源的firebird 项目，可以实现这个功能。目前这个项目闭源了，而且作者从code.google.com 中删除了之前的开源项目。幸运的是，还有一个开源的Lightgrep，功能满足我的需要。这个项目已经有一些 java bind了，但是我不是很满意，决定再做一个。

特征

同时支持单模式与多模式
支持一次编译，多次使用，其中使用过程可以在另外的线程中
支持编译后序列化为字节数组，进而可以序列化到文件。当然也支持序列化加载
匹配支持字符串或者字节数组
匹配位置自动转换为按字符计数而不是原始的字节计数

调用例子

  MultiPattern patterns = new MultiPattern());
  patterns.addPattern("敏感词", 0);
  patterns.addPattern("红牛", 0);
  patterns.addPattern("可乐雪碧", 0);
  patterns.addPattern("匹配", 0);
  
  Automation automation = patterns.toAutomation();
  patterns.close();
  
  Matcher matcher = automation.createMatcher();
  final GrepString r = new GrepString("今天，我们需要尝试一下敏感词的匹配，其中红牛和可乐雪碧都是我们要匹配的目标");
  matcher.match(r,  new HitCallback() {
      @Override
      public void match(HitItem item) {
        System.out.println(item.getId() + " " + r.subSequence(item.getStart(), item.getEnd()));
      }
  });
  r.close();
  matcher.close();
  
  automation.close();

有问题请加群 658587500

zhouzusheng/multiregexp

multiregexp