Question

我做了一个关于标点符号和正则表达式的问题，但这很令人困惑。

Supossing我有这样的文字：

String text = "wor.d1, :word2. wo,rd3? word4!";

我这样做：

String parts[] = text.split(" ");

我有这个：

wor.d1, | :word2. | wor,d3? | word4!;

我需要做些什么？（将符号保留在边框处，但仅限于我指定的位置：.,!?:，而不是全部。

wor,d1 | , | : | word2 | . | wor,d3 | ? | word4 | !

更新

我正在使用这些正则表达式获得一些好的结果，但它在一个单词开头的标点符号的所有分割之前给出一个空的char。

有一种方法可以在开始时没有这个空的字符吗？

这个正则表达式是好还是有更简单的方法？

public static final String PUNCTUATION_SEPARATOR =
        "("
        + "("
        + "(?=^[\"'!?.,;:(){}\\[\\]]+)"
        + "|"
        + "(?<=^[\"'!?.,;:(){}\\[\\]]+)"
        + ")"
        + "|"
        + "("
        + "(?=[\"'!?.,;:(){}\\[\\]]+($|\n))"
        + "|"
        + "(?<=[\"'!?.,;:(){}\\[\\]]+($|\n))"
        + ")"
        + ")";

Answer 1

您确定要使用正则表达式吗？通过单个char：StringTokenizer进行拆分的实现更快。它可以返回分隔符。

String str= "word1, word2. word3? word4!";
String delim = ",.!?";
StringTokenizer st = new StringTokenizer(str, delim, true);
while (st.hasMoreTokens()) {
  String token = st.nextToken();
  ... // token will be: "word1", ",", " word2", ".", etc...
}

Answer 2

对于简单的分隔符，我推荐使用StringTokenizer。但这是使用正则表达式和另一个辅助分隔符的解决方案：

String s  = "one,two, three   four ,  five";
s = s.replaceAll("([,\\s]+)", "#$1#");
Pattern p = Pattern.compile("#");
String[] result = p.split(s);

Answer 3

这是我认为可行的正则表达式：

/\s|(?=[\.,:?!](\W|$))|(?<=\W[\.:?!])/

Answer 4

在我看来，你想要this。首先你爆炸你的弦，第二步你使用内爆函数。

Answer 5

public static final String PUNCTUATION_SEPARATOR =
    "("
    + "("
    + "(?=^[\"'!?.,;:(){}\\[\\]-]+)"
    + "|"
    + "(?<=^[\"'!?.,;:(){}\\[\\]-]+)"
    + ")"
    + "|"
    + "("
    + "(?=[\"'!?.,;:(){}\\[\\]-]+($|\n))"
    + "|"
    + "(?<=[\"'!?.,;:(){}\\[\\]-]+($|\n))"
    + ")"
    + ")";

如何在使用RegEx时保留分隔符？

更新

5 个答案: