拆分字符串，同时保留除转义的分隔符（正则表达式）

Question

如果我有一个由字符分隔的字符串，让我们这样说：

a-b-c

我想保留分隔符，我可以使用后视和前瞻来保留分隔符本身，例如：

string.split("((?<=-)|(?=-))");

导致

• a
• -
• b
• -
• c

现在，如果其中一个分隔符被转义，像这样：

a-b\-c

我想纪念逃跑，我想出使用这样的正则表达式：

((?<=-(?!(?<=\\-))) | (?=-(?!(?<=\\-))))  

ergo

string.split("((?<=-(?!(?<=\\\\-)))|(?=-(?!(?<=\\\\-))))"):

现在，这有效并导致：

• a
• -
• b\-c

（我稍后会用string.replace("\\", ""); 删除反斜杠，我还没有找到将其包含在正则表达式中的方法）

我的问题是理解问题。
按照我的理解，正则表达式将是

split ((if '-' is before (unless ('\-' is before))) or (if '-' is after (unless ('\-' is before))))

为什么最后一部分不应该是“除非\ 在之前”？如果 '-' 在之后，这意味着我们在 '\' 和 '-' 之间，所以只有 \ 应该在之前，而不是 \\-，但是如果我更改正则表达式以反映它，它就不起作用这个：

((?<=-(?!(?<=\\-))) | (?=-(?!(?<=\\))))  

结果：a、-、b\、-c

这是什么原因？我的推理错误在哪里？

Answer 1

虽然这并不能真正回答问题，但它解释了环视的工作原理。

Lookarounds 是锚点：它们不消耗文本，而是在输入文本中找到一个位置。您的正则表达式可以用更简单的方式编写：

(?<=-)(?<!\\-)|(?=-)(?<!\\)

这里有所有四种环视：正面和负面的lookbehind，正面和负面的lookahead。

完整的正则表达式如下：

(?<=-)            # Find a position where what precedes is a dash
(?<!\\-)          # Find a position where what precedes is not \-
|                 # Or
(?=-)             # Find a position where what follows is a dash
(?<!\\)           # Find a position where what precedes is not a \

请注意术语“位置”。请注意，锚点根本不会在文本中前进。

现在，如果我们尝试将该正则表达式与 a-b\-c 匹配：

# Step 1
# Input:    | a-b\-c|
# Position: |^      |
# Regex:    | (?<=-)(?<!\\-)|(?=-)(?<!\\)|
# Position: |^                           |
# No match, try other alternative
# Input:    | a-b\-c|
# Position: |^      |
# Regex:    |(?<=-)(?<!\\-)| (?=-)(?<!\\)|
# Position: |               ^            |
# No match, regex fails
# Advance one position in the input text and try again

# Step 2
# Input:    |a -b\-c|
# Position: | ^     |
# Regex:    | (?<=-)(?<!\\-)|(?=-)(?<!\\)|
# Position: |^                           |
# No match, try other alternative
# Input:    |a -b\-c|
# Position: | ^     |
# Regex:    |(?<=-)(?<!\\-)| (?=-)(?<!\\)|
# Position: |               ^            |
# Match: a "-" follows
# Input:    |a -b\-c|
# Position: | ^     |
# Regex:    |(?<=-)(?<!\\-)|(?=-) (?<!\\)|
# Position: |                    ^       |
# Match: what precedes is not a \
# Input:    |a -b\-c|
# Position: | ^     |
# Regex:    |(?<=-)(?<!\\-)|(?=-)(?<!\\) |
# Position: |                           ^|
# Regex is satisfied

这是一个不使用拆分且不使用环视的替代方案：

[a-z]+(\\-[a-z]+)*|-

您可以在Pattern 中使用此正则表达式并使用Matcher：

public static void main(final String... args)
{
    final Pattern pattern
        = Pattern.compile("[a-z]+(\\\\-[a-z]+)*|-");

    final Matcher m = pattern.matcher("a-b\\-c");
    while (m.find())
        System.out.println(m.group());
}

Answer 2

为什么最后一部分不应该是“除非 \ 在之前”？

在

(?=-(?!(?<=\\-)))) 
    ^here

光标在- 之后，所以"unless \ is before" 总是错误的，因为我们在当前位置之前总是有-。

---

也许更简单的正则表达式会是

(?<=(?<!\\\\)-)|(?=(?<!\\\\)-)

• (?<=(?<!\\\\)-) 将检查我们是否在 - 之后，之前没有 \。
• (?=(?<!\\\\)-)将检查我们是否在-之前没有\。