Question

我有一个用例，我必须处理任何转义/未转义的字符作为分隔符以分隔句子。到目前为止，我们拥有的未转义/转义字符是：

" " (space),"\\t","|", "\\|",";","\\;","," etc

到目前为止，哪个正则表达式正在使用：

String delimiter = " ";
String regex = "(?:\\\\.|[^"+ delimiter +"\\\\]++)*";

输入字符串为：

String input = "234|Tamarind|something interesting ";

现在，下面是拆分和打印的代码：

 List<String> matchList = new ArrayList<>(  );
 Matcher regexMatcher = pattern.matcher( input );
 while ( regexMatcher.find() )
 {
     matchList.add( regexMatcher.group() );
 }

 System.out.println( "Unescaped/escaped test result with size: " + matchList.size() );
 matchList.stream().forEach( System.out::println );

但是，有多余的字符串（新行）被意外存储。因此输出如下：

Unescaped/escaped test result with size: 5
234|Tamarind|something

interesting

.

有没有更好的方法来做到这一点，这样就不会有多余的字符串了？

Answer 1

这很容易：确保您至少匹配一个字符。这意味着您可以删除++量词并将*替换为+。参见regex demo。

完整Java demo：

String delimiter = " ";
String regex = "(?:\\\\.|[^"+ delimiter +"\\\\])+";
// System.out.println(regex); // => (?:\\.|[^ \\])+
Pattern pattern = Pattern.compile(regex, Pattern.DOTALL);
String input = "234|Tamarind|something interesting ";
List<String> matchList = new ArrayList<>(  );
Matcher regexMatcher = pattern.matcher( input );
while ( regexMatcher.find() )
{
    // System.out.println("'"+regexMatcher.group()+"'");
    matchList.add( regexMatcher.group() );
}

System.out.println( "Unescaped/escaped test result with size: " + matchList.size() );
matchList.stream().forEach( System.out::println );

输出：

Unescaped/escaped test result with size: 2
234|Tamarind|something
interesting

Java：模式匹配器意外返回新行

1 个答案: