Java 用 '\r\n'、'\r' 或 '\n' 分割字符串，并与前面的子字符串保持一致

Question

我的输入字符串包含混合类型的行分隔符，包括“\r\n”、“\r”或“\n”。我想拆分字符串并将行分隔符与它前面的子字符串保持一致。我关注了下面的两个帖子

How to split a string, but also keep the delimiters?

Split Java String by New Line

然后想出类似的东西：

String input = "1 dog \r\n 2 cat";
String[] output = input.split( "(?<=((\\r\\n)|\\r|\\n))")));

输出为["1 dog\r", "\n", " 2 cat"]，但所需的输出为["1 dog\r\n", " 2 cat"]。

如果我将输入更改为String input = "1 dog \r 2 cat"; 或String input = "1 dog \n 2 cat";，我的代码可以产生所需的输出。请指教。提前致谢。

Answer 1

你得到你的结果["1 dog\r", "\n", " 2 cat"]，因为你的模式使用了一个交替匹配(\r\n)或\r或\n。

当示例字符串中遇到\r\n 时，在\r 之后的lookbehind 断言为真，并且将第一次拆分。

那么在\n 之后，lookbehind 断言将是真的，并且会第二次分裂。

您可能会做的是在积极的后视中使用\R 来断言左侧是unicode newline sequence：

String input = "1 dog \r\n 2 cat";
String[] output = input.split("(?<=\\R)");

Java demo

修复正则表达式的另一种方法是将其设为atomic group：

(?<=(?>\\r\\n|\\r|\\n))

Java demo

读取this post，当\r使用原子组在后向匹配时，以下\n也匹配。

Answer 2

如果您使用以下正则表达式：(?<=\\r\\n|\\r(?!\\n)|\\n) 来拆分您的字符串，它将按预期工作。

您的正则表达式发生的情况是，当遇到\r\n 时，后向断言将为真(?<=\r)，它会在\r 之后拆分字符串。

这就是为什么我在\r 之后添加了一个否定的前瞻(?!\n) 以强制\r 之后的字符不是\n。这将防止\r 和\n 之间的拆分并保持其为一个整体。

演示：https://regex101.com/r/H6PNmY/1/（为了便于阅读，我将 \r 替换为 a 和 \n 替换为 b）

当你把它放回你的代码中时：

String input = "1 dog \r\n 2 cat, 1 car \r 2 planes, 1 apple \n 2 peaches";
String[] output = input.split("(?<=\\r\\n|\\r(?!\\n)|\\n)");

for(int i=0; i<output.length; i++)
{
  printASCII(output[i]);
  System.out.println("===");        
}

printASCII 定义为：

public static void printASCII(String in)
{
    for(int i=0; i<in.length(); i++)
        System.out.println("The ASCII value of " + in.charAt(i) + "  =  " + (int)in.charAt(i) );
}

它为您提供以下输出：

The ASCII value of 1  =  49
The ASCII value of    =  32
The ASCII value of d  =  100
The ASCII value of o  =  111
The ASCII value of g  =  103
The ASCII value of    =  32
The ASCII value of 
  =  13
The ASCII value of 
  =  10
===
The ASCII value of    =  32
The ASCII value of 2  =  50
The ASCII value of    =  32
The ASCII value of c  =  99
The ASCII value of a  =  97
The ASCII value of t  =  116
The ASCII value of ,  =  44
The ASCII value of    =  32
The ASCII value of 1  =  49
The ASCII value of    =  32
The ASCII value of c  =  99
The ASCII value of a  =  97
The ASCII value of r  =  114
The ASCII value of    =  32
The ASCII value of 
  =  13
===
The ASCII value of    =  32
The ASCII value of 2  =  50
The ASCII value of    =  32
The ASCII value of p  =  112
The ASCII value of l  =  108
The ASCII value of a  =  97
The ASCII value of n  =  110
The ASCII value of e  =  101
The ASCII value of s  =  115
The ASCII value of ,  =  44
The ASCII value of    =  32
The ASCII value of 1  =  49
The ASCII value of    =  32
The ASCII value of a  =  97
The ASCII value of p  =  112
The ASCII value of p  =  112
The ASCII value of l  =  108
The ASCII value of e  =  101
The ASCII value of    =  32
The ASCII value of 
  =  10
===
The ASCII value of    =  32
The ASCII value of 2  =  50
The ASCII value of    =  32
The ASCII value of p  =  112
The ASCII value of e  =  101
The ASCII value of a  =  97
The ASCII value of c  =  99
The ASCII value of h  =  104
The ASCII value of e  =  101
The ASCII value of s  =  115
===

这表明 EOL 字符已按照您的要求妥善保存。

ASCII 表： https://www.ibm.com/support/knowledgecenter/en/ssw_aix_72/com.ibm.aix.networkcomm/conversion_table.htm