Java中的多个同时子字符串替换

Question

（我来自 python 世界，所以如果我在规范中使用 jar 的某些术语，我深表歉意。）

我有一个 String 和一个 List 的开始/结束索引要替换。无需过多详细介绍，请考虑以下基本模型：

String text = "my email is foo@bar.com and my number is (213)-XXX-XXXX"
List<Token> findings = SomeModule.someFnc(text);

而Token的定义是

class Token {
    int start, end;
    String type;
}

这个List 代表我试图编辑的敏感数据的开始和结束位置。

实际上，API 返回的数据是我通过迭代获得的：

[{ "start" : 12, "end" : 22, "type" : "EMAIL_ADDRESS" }, { "start" : 41, "end" : 54, "type" : "PHONE_NUMBER" }]

使用这些数据，我的最终目标是编辑 text 中由这些 Token 对象指定的标记以获得以下信息：

"my email is [EMAIL_ADDRESS] and my number is [PHONE_NUMBER]"

使这个问题变得不平凡的原因是替换子字符串的长度并不总是与它们要替换的子字符串相同。

我目前的行动计划是从text 构建一个StringBuilder，按照起始索引的相反顺序对这些ID 进行排序，然后从缓冲区的右端进行替换。

但有件事告诉我应该有更好的方法......有吗？

Answer 1

提取 start 和 end 之间的子字符串，并用它分割。然后你得到一个包含 2 个元素的数组，在两者之间插入你想要的。接下来，您必须移动您的下一个字符串，以通过（您替换长度的前一个字符串）和（您放置在其位置的字符串）之间的差异来替换 ids。

代码（如果Token中的'end'是排他的）：

public class Main {

    public static void main(String... args) {
        String text = "I want to replace AAA and B and scary wombat";
        Token[] tokens = {new Token(18, 21, "TEST"), new Token(26, 27, "TEST"), new Token(32, 44, "TEST")};
        int delta = 0;
        for (Token token : tokens) {
            String splitter = text.substring(token.start + delta, token.end + delta);
            System.out.println("Splitter: " + splitter);
            delta += token.replacement.length() - splitter.length();
            String[] beforeAndAfter = text.split(Pattern.quote(splitter));
            text = beforeAndAfter[0] + token.replacement + 
                    (beforeAndAfter.length == 2 ? beforeAndAfter[1] : ""); // in case where there are no more chars after splitter in text
        }
        System.out.println(text);
    }

    static class Token {
        public final int start, end;
        public final String replacement;

        public Token(int start, int end, String replacement) {
            this.start = start;
            this.end = end;
            this.replacement = replacement;
        }
    }
}

Answer 2

这种方法有效：

import java.util.ArrayList;
import java.util.List;

public class Test {
    public static void main(String[] args) {
        String text = "my email is foo@bar.com and my number is (213)-XXX-XXXX";

        List<Token> findings = new ArrayList<>();
        findings.add(new Token(12, 22, "EMAIL_ADDRESS"));
        findings.add(new Token(41, 54, "PHONE_NUMBER"));

        System.out.println(replace(text, findings));
    }

    public static String replace(String text, List<Token> findings) {
        int position = 0;
        StringBuilder result = new StringBuilder();

        for (Token finding : findings) {
            result.append(text.substring(position, finding.start));
            result.append('[').append(finding.type).append(']');

            position = finding.end + 1;
        }

        return result.append(text.substring(position)).toString();
    }
}

class Token {
    int start, end;
    String type;

    Token(int start, int end, String type) {
        this.start = start;
        this.end = end;
        this.type = type;
    }
}

输出：

my email is [EMAIL_ADDRESS] and my number is [PHONE_NUMBER]

Answer 3

确保所有令牌都按start索引升序排序：

List<Token> tokens = new ArrayList<>();
tokens.sort(Comparator.comparing(Token::getStart));

现在您可以替换从输入文本末尾开始的所有字符串：

public String replace(String text, List<Token> tokens) {
    StringBuilder sb = new StringBuilder(text);
    for (int i = tokens.size() - 1; i >= 0; i--) {
        Token token = tokens.get(i);
        sb.replace(token.start, token.end + 1, "[" + token.type + "]");
    }
    return sb.toString();
}