Question

我正在尝试在java中使用String split，以在子串之间拆分整个文档标签空格和换行符，但我想排除引号之间存在单词的情况。

示例：

此文件

CATEGORYTYPE1
{
    CATEGORYSUBTYPE1
    {
        OPTION1 “ABcd efg1234”
        OPTION2 ABCdefg12345
        OPTION3 15
    }
    CATEGORYSUBTYPE2
    {
        OPTION1 “Blah Blah 123”
        OPTION2 Blah
        OPTION3 10
        OPTION4 "Blah"
    }
}

拆分为这些子字符串（如Eclipse调试器中所示）：

[CATEGORYTYPE1, {, CATEGORYTYPE1, {, OPTION1, “ABcd, efg1234”, OPTION2....

当我使用我当前的正则表达式时：

    String regex = "([\\n\\r\\s\\t]+)";

    String[] tokens = data.split(regex);

但我想要实现的是将它拆分为：

[CATEGORYTYPE1, {, CATEGORYTYPE1, {, OPTION1, “ABcd efg1234”, OPTION2....

（不在引号之间拆分内容）

这可能与正则表达式有关吗？

Answer 1

以下是执行此操作的一种方法：

str = "CATEGORYTYPE1\n" + 
"{\n" + 
"    CATEGORYSUBTYPE1\n" + 
"    {\n" + 
"        OPTION1 \"ABcd efg1234\"\n" + 
"        OPTION2 ABCdefg12345\n" + 
"        OPTION3 15\n" + 
"    }\n" + 
"    CATEGORYSUBTYPE2\n" + 
"    {\n" + 
"        OPTION1 \"Blah Blah 123\"\n" + 
"        OPTION2 Blah\n" + 
"        OPTION3 10\n" + 
"        OPTION4 \"Blah\"\n" + 
"    }\n" + 
"}\n";

String[] arr = str.split("(?s)(?=(([^\"]+\"){2})*[^\"]*$)\\s+");
System.out.println(Arrays.toString(arr));

// OUTPUT
[CATEGORYTYPE1, {, CATEGORYSUBTYPE1, {, OPTION1, "ABcd efg1234", OPTION2, ABCdefg12345, ...

说明：表示匹配空格或新行（\s）后跟偶数双引号（"）。因此，两个双引号字符之间的\s将不会在拆分中使用，而外部匹配将匹配（因为后面跟着偶数个双引号字符）。

Answer 2

在这里使用拆分似乎很复杂甚至不够，使用find更容易，试试这个：

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

public class Main {
    public static void main(String[] argv) {

        List<String> result = new ArrayList<String>();

        Pattern pattern = Pattern.compile("\"[^\"]+\"|\\S+");
        Matcher m = pattern.matcher(yourstring);

        while (matcher.find()) {
            result.add(m.group(0));
        }
    }
}

如果您需要添加其他类型的引号（例如：“xxxxx xxxxx”），您可以轻松地将它们添加到模式中：

Pattern pattern = Pattern.compile("“[^”]+”|\"[^\"]+\"|\\S+");

您可以使用以下内容转发双引号（"xxx \"xxx\""）：

Pattern pattern = Pattern.compile("\"(?:[^\"]+|(?<!\\)\")+\"|\\S+");

Answer 3

我知道我加入派对的时间相当晚，但是如果你正在寻找一个花哨的正则表达式来“理解”转义"，那么这个应该适合你：

Pattern p = Pattern.compile("(\\S*?\".*?(?<!\\\\)\")+\\S*|\\S+");
Matcher m = p.matcher(str);
while (m.find()) { ... }

它也会解析这样的事情：
ab "cd \"ef\" gh" ij "kl \"no pq\"\" rs"
于：
ab，"cd \"ef\" gh"，ij，"kl \"no pq\"\" rs"（不会被奇数个转义引号（\"）弄糊涂。

（可能不相关，但是这个也会在字符串中间“理解”"，因此它会解析这个：ab c" "d ef到：ab，{{1} }，c" "d - 并不是说这种模式很可能出现。）

无论如何，您还可以查看 short demo 。

使用高级正则表达式在java中拆分字符串

3 个答案: