Question

我正在学习regexp并且认为我开始抓紧了。但是......

我试图拆分一个字符串，我需要帮助才能理解这样一个简单的事情：

String input = "abcde";
System.out.println("[a-z] " + Arrays.toString(input.split("[a-z]")));
System.out.println("\\w " + Arrays.toString(input.split("\\w")));
System.out.println("\\w*? " + Arrays.toString(input.split("\\w*?")));
System.out.println("\\w+? " + Arrays.toString(input.split("\\w+?")));

The output is
[a-z] - []
\w    - []
\w*?  - [, a, b, c, d, e]
\w+?  - []

为什么两个第一行中没有任何一行在任何字符上拆分字符串？第三个表达式\ w *？，（问号防止贪婪）按照我的预期工作，在每个字符上分割字符串。星号，零个或多个匹配，返回一个空数组。

我在NotePad ++和程序中尝试了这个表达式，它显示了5个匹配项，如：

Scanner ls = new Scanner(input);
while(ls.hasNext())
    System.out.format("%s ", ls.findInLine("\\w");

Output is: a b c d e

这真让我困惑

Answer 1

如果使用正则表达式拆分字符串，则基本上可以告诉应该剪切字符串的位置。这必然会削减你与正则表达式相匹配的东西。这意味着如果您在\w处拆分，则每个字符都是一个拆分点，并返回它们之间的子串（全部为空）。 Java会自动删除尾随的空字符串，如the documentation。

中所述

这也解释了为什么延迟匹配\w*?将为您提供每个字符，因为它将匹配任何字符（零宽度）之间（和之前和之后）的每个位置。剩下的就是字符串本身的字符。

让我们分解一下：

[a-z] ， \w ， \w+?

你的字符串是
```
abcde
```
比赛如下：
```
 a  b  c  d  e
└─┘└─┘└─┘└─┘└─┘
```
会在匹配项之间留下的子字符串，所有这些都是空的。

上述三个正则表达式在这方面表现相同，因为它们只匹配单个字符。 \w+?会这样做，因为它没有任何其他约束可能会使+?尝试匹配的不仅仅是最低限度（毕竟它是懒惰的）。

<强> \w*?

a b c d e └┘ └┘ └┘ └┘ └┘ └┘

在这种情况下，匹配是在字符之间，留下以下子字符串：

"", "a", "b", "c", "d", "e", ""
然而，
Java抛出了空尾的那个。

Answer 2

让我们将每次调用分解为String#split(String)。从Java文档中注意到“方法就像通过使用给定表达式调用the two-argument split method并且限制参数为零一样工作是关键。因此，结果数组中不包括尾随空字符串。”

"abcde".split("[a-z]"); // => []

这个匹配每个字符（a，b，c，d，e）并且只产生它们之间的空字符串，这些字符串被省略。

"abcde".split("\\w")); // => []

同样，字符串中的每个字符都是一个单词字符（\w），因此结果是空字符串，省略。

"abcde".split("\\w*?")); // => ["", "a", "b", "c", "d", "e"]

在这种情况下，*表示“前面项目的零个或多个”（\w），它与空表达式匹配七次（一次在字符串的开头，然后在每个字符之间一次））。所以我们得到第一个空字符串，然后是每个字符。

"abcde".split("\\w+?")); // => []

这里+表示“前面一项或多项”（\w）与整个输入字符串匹配，只产生空字符串，省略。

再次使用input.split(regex, -1)尝试这些示例，您应该会看到所有空字符串。

Answer 3

String.split会在模式的每个匹配项处剪切字符串：

此方法返回的数组包含此字符串的每个子字符串，该子字符串由与给定表达式匹配的另一个子字符串终止，或者以字符串的结尾终止。

因此，只要匹配[a-z]之类的模式，就会在该匹配时剪切字符串。由于字符串中的每个字符都与模式匹配，因此结果数组为空（删除尾随空字符串）。

同样适用于\w和\w+?（一个或多个\w，但重复次数尽可能少）。那个\w*?导致你期望的是*?量词所导致的东西，因为如果可能的话，它会匹配零重复，所以一个空字符串。并且在给定字符串中的每个位置都找到一个空字符串。

用正则表达式\ w \ w *拆分字符串？ \ w +？

3 个答案: