Question

我想实现Java中的String.split（）方法，但不是通过调用split（）方法。

例如，调用“逗号，分隔，值”.split（“，”， - 1）将为我提供3个值。现在我想实现同样的目的，但是使用正则表达式，而不是调用split（）方法。

分隔符是任意的（可以包含多个字符），分割的值也应该是任意的。

我已尝试搜索之前的StackOverflow答案，人们建议使用否定前瞻，但我还没有找到适用于任意分隔符和值的精确正则表达式。

提前致谢。

PS：即将构造正则表达式时，“任意”分隔符是已知的。它作为参数传递给regex构建器。它可以是逗号，管道或多个字符的组合，例如pipe-tilde-pipe。

我理解split（）本身接受正则表达式作为参数。为了说清楚，我想要的是这样的：

Pattern pattern = Pattern.compile("<the regex pattern>");
Matcher matcher = pattern.matcher("comma,separated,values");
while (matcher.find()) {
  System.out.println(matcher.group());
}

以下内容将打印出来：

逗号
分离
值

Answer 1

一旦找到sep或者线本身结束，值就会包含任何字符和结尾。使用惰性*?，因此您只能转到第一个 sep（否则您将首先运行到EOL并匹配$）：< / p>

.*?(<sep>|$)

值不包含分隔符，因此请使用捕获组单独获取它：

(.*?)(<sep>|$)

当迭代匹配时，find()将使用该值，将其放入捕获组1（使用group(1)访问），然后使用分隔符，因此第二次调用{ {1}}找到下一个值和下一个分隔符。 find()可以是任何正则表达式;如果你想拆分一个普通的字符串，你必须首先逃避它以确保安全。另外，如果你使用sep作为正则表达式，请注意贪婪。

例如：设置sep，它匹配可被sep = ([0369]|([258][0369]*[147])|([147]|[258]{2})([0369]|([147][0369]*[258]))*([258]|[147]{2}))+整除的数字。然后

打印

Pattern pat = Pattern.compile("(.*?)(([0369]|([258][0369]*[147])|([147]|[258]{2})([0369]|([147][0369]*[258]))*([258]|[147]{2}))+|$)");
Matcher mat = pat.matcher("a333521c63");
while(mat.find()) {
    System.out.println("Field: " + mat.group(1) + "; Terminated by: " + mat.group(2));
}

请注意，如果您必须使用Field: a; Terminated by: 333 Field: 5; Terminated by: 21 Field: c; Terminated by: 63 Field: ; Terminated by:（又名group()）而不是group(0)，那么您必须使用lookarounds，这会产生此正则表达式

group(1)

由于(?<=<sep>|^).*?(?=<sep>|$)位于lookbehind内，因此您无法在其中使用sep，+或*，因为它是Java regex引擎的限制，它不能处理潜在无限大小的外观（公平地说，大多数其他引擎更具限制性）。它适用于您的简单用例，逗号和固定字符串

{n,}

它甚至适用于此：

Commas: (?<=,|^).*?(?=,|$)
|~|   : (?<=\|~\||^).*?(?=\|~\||$)

但它不适用于数字 - 可分割 - Snake : (?<=s{0,10}!|^).*?(?=s{0,10}!|$)：

示例：

Div-by-3: (?<=([0369]|([258][0369]*[147])|([147]|[258]{2})([0369]|([147][0369]*[258]))*([258]|[147]{2}))+|^).*?(?=([0369]|([258][0369]*[147])|([147]|[258]{2})([0369]|([147][0369]*[258]))*([258]|[147]{2}))+|$)
                                  ^ ERROR! * in lookbehind

输出：

Pattern asSeparator(String sep) {
    return Pattern.compile("(?<=(" + sep + ")|^).*?(?=(" + sep + ")|$)");
}
String[] seps = { ","
                , "\\|~\\|"
                , "s{0,10}!"
                , "([0369]|([258][0369]*[147])|([147]|[258]{2})([0369]|([147][0369]*[258]))*([258]|[147]{2}))+"
                };
for(String sep : seps) {
    System.out.println("Separator: " + sep);
    Pattern pat = asSeparator(sep);
    Matcher mat = pat.matcher("a3a,|~|, sssss!6");
    while(mat.find()) {
        System.out.println(mat.group());
    }
    System.out.println();
}

如何使用正则表达式拆分字符串？

1 个答案: