拆分字符串不包括java中的字符串

Question

如何使用 split-cretiria 拆分以下文本：FIRST、NOW、THEN：

String text = "FIRST i go to the homepage NOW i click on button \"NOW CLICK\" very quick THEN i will become a text result.";

预期是三个句子：

1. 首先我去主页
2. 现在我点击按钮“现在点击”非常快
3. THEN i 将成为文本结果。

此代码不起作用，因为按钮“NOW CLICK”

String[] textArray = text.split("FIRST|NOW|THEN");

Answer 1

如果我理解正确的话你

• 想要在关键字FIRST NOW THEN 上分隔文本并将它们保留在结果部分中
• 但如果这些关键字出现在引号内，则不想拆分它们。

如果我的猜测是正确的而不是split 方法，你可以使用find 来遍历所有

• 报价
• 不在引号内的单词，
• 空格。

这将允许您将所有引号和空格添加到结果中，并且只专注于检查不在引号内的单词，看看您是否应该拆分它们。

表示此类部分的正则表达式可能类似于Pattern.compile("\"[^\"]*\"|\\S+|\\s+");

重要提示：我们需要先搜索“..”，否则 \\S+ 也会匹配 "NOW CLICK" 作为 "NOW 和 CLICK" 作为两个单独的部分，这将防止它被视为单引号。这就是为什么我们要将"[^"]*" 正则表达式（代表引号）放在subregex1|subregex2|subregex3 系列的开头。

这个正则表达式将允许我们迭代文本

FIRST i go to the homepage NOW i click on button "NOW CLICK" very quick THEN i will become a text result.

作为令牌

FIRST i go to the homepage NOW i click on button "NOW CLICK" very quick THEN i will become a text result. THEN i will become a text result.

注意"NOW CLICK" 将被视为单个令牌。因此，即使它 contain 在您要拆分的关键字内，它也永远不会 等于 这样的关键字（因为它将包含其他字符，例如 " ，或者只是引用中的其他词）。这将防止它被视为应该分割文本的 分隔符。

使用这个想法，我们可以创建如下代码：

String text = "FIRST i go to the homepage NOW i click on button \"NOW CLICK\" very quick THEN i will become a text result.";
List<String> keywordsToSplitOn = List.of("FIRST", "NOW", "THEN");

//lets search for quotes ".." | words | whitespaces
Pattern p = Pattern.compile("\"[^\"]*\"|\\S+|\\s+");
Matcher m = p.matcher(text);

StringBuilder sb = new StringBuilder();
List<String> result = new ArrayList<>();
while(m.find()){
    String token = m.group();
    if (keywordsToSplitOn.contains(token) && sb.length() != 0){
        result.add(sb.toString());
        sb.delete(0, sb.length());//clear sb
    }
    sb.append(token);
}
if (sb.length() != 0){//include rest of text after last keyword 
    result.add(sb.toString());
}

result.forEach(System.out::println);

输出：

FIRST i go to the homepage 
NOW i click on button "NOW CLICK" very quick 
THEN i will become a text result.

Answer 2

您需要使用前瞻和后瞻（简单提及here）。

只需将split 方法中的正则表达式更改为以下内容即可：

String[] textArray = text.split("((?=FIRST)|(?=NOW(?! CLICK))|(?=THEN))");

甚至在每个表达式中包含一个空格以防止拆分可能会更好，例如，NOWHERE:

String[] textArray = text.split("((?=FIRST )|(?=NOW (?!CLICK))|(?=THEN ))");

Answer 3

您可以使用模式和匹配器通过组来拆分输入：

Pattern pattern = Pattern.compile("^(FIRST.*?)(NOW.*?)(THEN.*)$");

String text = "FIRST i go to the homepage NOW i click on button \"NOW CLICK\" very quick THEN i will become a text result.";

Matcher matcher = pattern.matcher(text);
        
if (matcher.find()) {
    System.out.println(matcher.group(1));
    System.out.println(matcher.group(2));
    System.out.println(matcher.group(3));
}

输出：

FIRST i go to the homepage 
NOW i click on button "NOW CLICK" very quick 
THEN i will become a text result.

Answer 4

你可以匹配下面的正则表达式。

/\bFIRST +(?:(?!\bNOW\b)[^\n])+(?<! )|\bNOW +(?:(?!\bTHEN\b)[^\n])+(?<! )|\bTHEN +.*/

Start your engine!

Java 的正则表达式引擎执行以下操作。

\bFIRST +      : match 'FIRST' preceded by a word boundary,
                 followed by 1+ spaces
(?:            : begin a non-capture group
  (?!\bNOW\b)  : use a negative lookahead to assert that
                 the following chars are not 'NOW'  
  [^\n]        : match any char other than a line terminator
)              : end non-capture group
+              : execute non-capture group 1+ times
(?<! )         : use negative lookbehind to assert that the
                 previous char is not a space
|              : or
\bNOW +        : match 'NOW' preceded by a word boundary,
                 followed by 1+ spaces
(?:            : begin a non-capture group
  (?!\bTHEN\b) : use a negative lookahead to assert that
                 the following chars are not 'THEN'  
  [^\n]        : match any char other than a line terminator
)              : end non-capture group
+              : execute non-capture group 1+ times
(?<! )         : use negative lookbehind to assert that the
                 previous char is not a space
|              : or
\bTHEN +.*     : match 'THEN' preceded by a word boundary,
                 followed by 1+ spaces then 0+ chars

这使用了一种称为tempered greedy token solution的技术。

Answer 5

你可以使用这些(Lookahead and Lookbehind)：

public static void main(String args[]) { 
    String text = "FIRST i go to the homepage NOW i click on button \"NOW CLICK\" very quick THEN i will become a text result.";
    String[] textArray = text.split("(?=FIRST)|(?=\\b NOW \\b)|(?=THEN)");
    
    for(String s: textArray) {
        System.out.println(s);
    }
}

输出：

FIRST i go to the homepage
 NOW i click on button "NOW CLICK" very quick 
THEN i will become a text result.