Java使用带问号的换行符正则表达式分割字符串

Question

我编写了一个Java类，它必须从包含换行符的字符串中提取元素。作为第一步，代码必须按换行分割输入字符串并将结果放入数组中。除了一个特定的情况外，这一切都正常。我正在使用以下代码执行拆分：

String lines[] = inputText.split("[\\r?\\n\\r]+");

我遇到的问题是以下几行：

##INFO=<ID=DS,Number=0,Type=Flag,Description=""removed?"">"

它产生两行：

##INFO=<ID=DS,Number=0,Type=Flag,Description=""removed
"">"

它正在分裂问号。任何人都可以指出我正确的方向为什么会发生这种情况？正则表达式内部不是'？'表示0或1次出现？这不是一种可以通过换行分割的方法吗？

Answer 1

这很有效，只需说\ n \ r \ n OR \ n。

String manyLines = "line1\nline2\n\rline3?\nline4";
System.out.println(Arrays.asList(manyLines.split("\\n\\r|\\n")));

输出

[line1, line2, line3?, line4]

Answer 2

方括号内的问号是字面上一个问号。用圆形方括号替换方括号（前者每次交替限制为一个字符）：

String lines[] = inputText.split("(\\r?\\n|\\r)+");

行将分为“\ r \ n”，“\ n”和“\ r”，但这实际上与以下内容相同：

String lines[] = inputText.split("(\\n|\\r)+");

所以我们可以回到方括号：

String lines[] = inputText.split("[\\n\\r]+");

如果你真正需要的是一个不变的换行符，取决于操作系统：

String lines[] = inputText.split("(" + System.getProperty("line.separator") + ")+");

Answer 3

您正在使用字符类（[]），这意味着括号内的任何字符，因此在您的情况[\\r?\\n\\r]+中，它意味着任何\\r， \\n，?，\\r，一次或多次（+）。

由Unicode UTS #18: Unicode Regular Expressions定义的换行符的真正可移植正则表达式是：

\R => (?:(?>\u000D\u000A)|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029])

正如Perl成名的Tom Christiansen在this answer所解释的那样。考虑Java的双重转义（字符串然后正则表达式）：

(?:(?>\\u000D\\u000A)|[\\u000A\\u000B\\u000C\\u000D\\u0085\\u2028\\u2029])