当前缀分隔符和后缀分隔符不同时，拆分字符串的最佳方法是什么？

Question

在Java中，当每个块开头的分隔符与每个块末尾的分隔符不同时，将字符串拆分为块数组的最佳方法是什么？

例如，假设我有String string = "abc 1234 xyz abc 5678 xyz"。

我想应用某种复杂的split 以获得{"1234","5678"}。

首先想到的是：

String[] parts = string.split("abc");
for (String part : parts)
{
    String[] blocks = part.split("xyz");
    String data = blocks[0];
    // Do some stuff with the 'data' string
}

有没有更简单/更清洁/更有效的方法？

我的目的（您可能已经猜到了）是解析 XML 文档。

我想将给定的 XML 字符串拆分为给定标记的内部 XML 块。

例如：

String xml = "<tag>ABC</tag>White Spaces Only<tag>XYZ</tag>";
String[] blocks = Split(xml,"<tag>","</tag>"); // should be {"ABC","XYZ"}

您将如何实现String[] Split(String str,String prefix,String suffix)？

谢谢

Answer 1

最好的办法是使用专用的 XML 解析器之一。 请参阅 this discussion 了解 Java 的最佳 XML 解析器。

我发现这个DOM XML parser example 简单而好。

Answer 2

恕我直言，最好的解决方案是解析 XML 文件，这不是单行的……

看here

这里有来自另一个关于 SO 的问题的示例代码来解析文档，然后使用 XPATH 移动：

String xml = "<resp><status>good</status><msg>hi</msg></resp>";

InputSource source = new InputSource(new StringReader(xml));

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
DocumentBuilder db = dbf.newDocumentBuilder();
Document document = db.parse(source);

XPathFactory xpathFactory = XPathFactory.newInstance();
XPath xpath = xpathFactory.newXPath();

String msg = xpath.evaluate("/resp/msg", document);
String status = xpath.evaluate("/resp/status", document);

System.out.println("msg=" + msg + ";" + "status=" + status);

这篇帖子的完整主题here

Answer 3

你可以为这种类型的字符串写一个正则表达式……

像\s*((^abc)|(xyz\s*abc)|(\s*xyz$))\s* 这样开头的abc 或结尾的xyz 或中间的abc xyz 怎么样（以一些空格为模）？这在开始时会产生一个空值，但除此之外，它似乎会做你想做的事。

import java.util.Arrays;

public class RegexDelimitersExample {
    public static void main(String[] args) {
        final String string = "abc 1234 xyz abc 5678 xyz";
        final String pattern = "\\s*((^abc)|(xyz\\s*abc)|(\\s*xyz$))\\s*";
        final String[] parts_ = string.split( pattern );
        // parts_[0] is "", because there's nothing before ^abc,
        // so a copy of the rest of the array is what we want.
        final String[] parts = Arrays.copyOfRange( parts_, 1, parts_.length );
        System.out.println( Arrays.deepToString( parts ));
    }
}

[1234, 5678]

根据您希望如何处理空格，您可以根据需要进行调整。例如，

\s*((^abc)|(xyz\s*abc)|(\s*xyz$))\s*     # original
(^abc\s*)|(\s*xyz\s*abc\s*)|(\s*xyz$)    # no spaces on outside
...                                      # ...

…但你不应该将它用于 XML。

不过，正如我在 cmets 中所指出的，这将适用于拆分具有这些定界符的 非嵌套 字符串。您将无法使用正则表达式处理嵌套案例（例如，abc abc 12345 xyz xyz），因此您将无法处理一般 XML（这似乎是您的意图）。如果您确实需要解析 XML，请使用专为 XML 设计的工具（例如解析器、XPath 查询等）。

Answer 4

这里不要使用正则表达式。但是您也不必进行成熟的 XML 解析。使用XPath。在您的示例中搜索的表达式是

//tag/text()

需要的代码是：

import org.w3c.dom.NodeList;
import org.xml.sax.*;
import javax.xml.xpath.*;

public class Test {

    public static void main(String[] args) throws Exception {

        InputSource ins = new InputSource("c:/users/ndh/hellos.xml");
        XPath xpath = XPathFactory.newInstance().newXPath();
        NodeList list = (NodeList)xpath.evaluate("//bar/text()", ins, XPathConstants.NODESET);
        for (int i = 0; i < list.getLength(); i++) {
            System.out.println(list.item(i).getNodeValue());
        }
        
    }
}

我的示例 xml 文件在哪里

<?xml version="1.0"?>
<foo>
    <bar>hello</bar>
    <bar>ohayoo</bar>
    <bar>hola</bar>
</foo>