Question

我正在努力寻找使用Java中具有多个字符的定界符分割字符串的正确方法（例如'。[1a]'或'。（2b）'）

这是一个测试用例：

String str1 = "This is test 1  .  This is test 2  [2 b]. This is test 3 (3). This is test 4.[4a] This is a test 5 . This is test 6 . (6,six)";

Pattern regex = Pattern.compile("\\.\\s{0,}\\[.*\\]\\s{0,}|\\.\\s{0,}\\(.*\\)\\s{0,}|\\.\\s{0}");

System.out.println(Arrays.toString(regex.split(text)));

我想要的输出如下（每个子字符串开头或结尾的空格都很好，重要的是保留定界符）：

[这是测试1。，这是测试2 [2 b]。，这是测试3（3）。，这是测试4. [4a]，这是测试5。，这是测试6。（6，六个）]

但是，这是我得到的输出：

[这是测试1，这是测试2 [2 b]，这是测试3（3），这是测试4，这是测试5，这是测试6]

Answer 1

这可能有点棘手。着眼于下一个小组开始时所需小组的共同特征-有一个字母\w，因此可以用来检测新小组。

利用此优势将其替换为self和之前的\n，因此\n$1和每个组将出现在新行中，这很容易提取。所需的正则表达式（请参见Regex101）是：

 (?<!\w )(\w)(?=\w{2,})

在正则表达式的第一个字符处记住一个（空格）！

这将产生如下输出：

This is test 1  . 
This is test 2  [2 b].
This is test 3 (3).
This is test 4.[4a]
This is a test 5 .
This is test 6 . (6,six)

在Java中，代码将使用方法replaceAll和split（感谢@jmng的改进）：

String str1 = "This is test 1  .  This is test 2  [2 b]. This is test 3 (3). This is test 4.[4a] This is a test 5 . This is test 6 . (6,six)";

Pattern reg1 = Pattern.compile(" (?<!\\w )(\\w)(?=\\w{2,})");              // Preparation
Pattern regNewline = Pattern.compile("\n");                                // Split
String[] array = regNewline.split(reg1.matcher(str1).replaceAll("\n$1"));  // Apply


Arrays.stream(array).forEach(System.out::println);                         // Test it

Answer 2

如果每个子字符串的开头或结尾的空格都可以接受，并且使用split，则一种可能性是使用带有正向后缀的交替形式来检查您的不同要求。

在Java中，您必须确定后面的最大和最小长度，因此，例如，可能需要10个作为示例数据。

(?<=\[[^]]{1,10}]\.|\.\[[^]]{1,10}]|$[^)]{1,10}$\.| \. (?!$[^)]+$))

在Java中：

(?<=\\[[^]]{1,10}]\\.|\\.\\[[^]]{1,10}]|\$[^)]{1,10}\$\\.| \\. (?!\$[^)]+\$))

说明

(?<=正面向后检查左侧内容是
- \[[^]]{1,10}]\.使用否定的字符类在方括号和不重复右括号1到10次后跟点的量词之间进行匹配
- |或
- \.\[[^]]{1,10}]匹配一个点并使用否定的字符类在方括号和不重复右括号1到10次的量词之间进行匹配
- |或
- $[^)]{1,10}$\.使用否定的字符类在括号和不重复右括号1到10次的量词之间进行匹配
- |或
- \. (?!$[^)]+$)一个空格，一个点和一个空格（如果后面没有括号的话）
)往后看积极

Java demo

使用多个字符分隔符分割正则表达式

2 个答案: