Java替换字符串中的“\"”的处理方法（String.replaceAll的源码分析）

假设有这样一个字符串：

[{"startDate":"2018-01-03 00:00:00","reason":"a\"","endDate":"2018-01-24 00:00:00","updateDate":"","version":"","id":"9999999","msgType":"","createDate":"2018-01-03 11:50:44"}]

要将其中reason字段的值中的“\"”替换为“--”，使用String.replaceAll(String regex, String replacement)函数，这应该这么做呢？

一开始，我的代码如下：



输出结果：

[{--startDate--:--2018-01-03 00:00:00--,--reason--:--a----,--endDate--:--2018-01-24 00:00:00--,--updateDate--:----,--version--:----,--id--:--9999999--,--msgType--:----,--createDate--:--2018-01-03 11:50:44--}]

可以看到，该程序把所有的“"”都替换成了“--”，输入的正则表达式参数明明是“\\"”，经转义之后是“\"”，为什么会匹配所有的“"”呢？

接下来，把正则表达式参数改为“\\\\"”。



输出结果：

[{"startDate":"2018-01-03 00:00:00","reason":"a--","endDate":"2018-01-24 00:00:00","updateDate":"","version":"","id":"9999999","msgType":"","createDate":"2018-01-03 11:50:44"}]

达到预期的结果。

通过上面两个程序，可以初步判断：java代码中字符串常量层面，将regex参数字面量“\\\\"”转义一遍，其值是“\\"”；在String.replaceAll函数中，对“\\"”进行正则表达式层面的转义得到“\"”。现在，让我们进入到JDK源码中，学习正则表达式层面的具体的转义过程。

String.replaceAll(String regex, String replacement)函数如下：



它共调用了三个函数，分别是：Pattern.compile(String regex)，Pattern.matcher(CharSequence input)和Matcher.replaceAll(String replacement)。

1. 编译（解析）正则表达式，获得Pattern对象

Pattern.compile(String regex)函数如下：



它返回的是一个Pattern对象。Pattern的构造函数如下：



这个构造函数是private级别的，不能被其他类直接调用，只能通过Pattern类的compile(String regex)和compile(String regex, int flags)调用。该构造函数调用了compile()，对regex参数的处理就发生在这个函数里面。

Pattern.compile()函数如下：



其中，matchRoot = expr(lastAccept);获得正则表达式匹配根结点。

Pattern.expr(Node end)函数如下：



其中，Node node = sequence(end);

Pattern.sequence(Node end)函数如下：



该函数使用了带标签循环“LOOP:”。for ( ; ; )是一个死循环，int ch = peek();取正则表达式当前字符。

Pattern.peek()函数如下：



其中，temp[0]到temp[3]的值分别为92，92，92，34，即“\\"”转为整型数组。

Pattern.sequence(Node end)函数中，swith开关下，有“case '\':”。读取到第一个“\”后，执行ch = nextEscaped();，获取下一个字符。调用Pattern.unread();将游标cursor自减一，即重新指向第一个“\”，然后执行node = atom();。

Pattern.atom()函数如下：



因为游标cursor在Pattern.sequence(Node end)函数中又重新指向了第一个“\”，所以该函数还是会进入“case '\':”。同样地，执行ch = nextEscaped();，获取下一个字符；调用Pattern.unread();将游标cursor自减一，即重新指向第一个“\”。

ch = escape(false, first == 0);，该语句获取到转义后的真实字符，即第二个“\”。

Pattern.escape(boolean inclass, boolean create)函数如下：



这个函数就是解析正则表达式的地方。

int ch = skip();，该语句就是获取“\”之后的字符的地方。

Pattern.skip()函数如下：



Pattern.atom()函数在获取第二个“\”后，执行append(ch, first);将该字符存到Pattern对象的buffer数组中。

Pattern.atom()函数中的for循环，会在读取到temp的0时结束。在Pattern.compile()函数中，可以知道，temp数组长度比正则表达式长度大2，其最后两个元素的值都为0。最终，buffer有两个有效元素，分别是92（“\”）和34（“"”），后续元素全是0。

Pattern.compile(String regex)函数分析到此。

2. 获取匹配器

Pattern.matcher(CharSequence input)函数如下：



该Matcher对象关联了Pattern对象和需处理的String对象。

3. 替换字符串

Matcher.replaceAll(String replacement)函数如下：

boolean result = find();，查找第一个能匹配正则表达式的地方并完成替换（若有匹配得上的地方）。

之后，在do...while循环中继续往后查找并替换，直到无匹配得上的地方。把字符串剩余部分接到替换后字符串后面，即可得到想要得到的字符串，即：



boolean result = find();，查找第一个能匹配正则表达式的地方并完成替换（若有匹配得上的地方）。

之后，在do...while循环中继续往后查找并替换，直到无匹配得上的地方。把字符串剩余部分接到替换后字符串后面，即可得到想要得到的字符串，即：

[{"startDate":"2018-01-03 00:00:00","reason":"a--","endDate":"2018-01-24 00:00:00","updateDate":"","version":"","id":"9999999","msgType":"","createDate":"2018-01-03 11:50:44"}]

欢迎拍砖，谢谢！