【问题标题】：Split complicated strings using Java and Regex使用 Java 和 Regex 拆分复杂的字符串
【发布时间】：2013-05-01 17:29:55
【问题描述】：

使用 Java 和正则表达式，我想从一行文本中提取字符串。文本可以采用以下格式 -

key1(value1) key2(value2)
key1(value1) key2
key1 key2(value2)
key1 key2
key1

当使用 Type #1 时，我能够成功提取键和值，我可以使用空格分割文本，然后使用以下模式来提取键

Pattern p = Pattern.compile("\\((.*?)\\)",Pattern.DOTALL);

一个复杂的代码逻辑，用于计算“（”的出现并将其与出现的匹配该空间可用于案例#2 和案例#3，但是，代码变得太长了。当值中也存在空格时，会出现多种复杂情况，因为这样分割文本就会成为问题。

是否有更好的正则表达式拆分/保留可以用于上述选择性案例？

【问题讨论】：

您是否假设键和值中没有括号？
是的@merlin2011，它们的键和值本身没有括号。

标签： java regex split

【解决方案1】：

考虑以下通用正则表达式的 powershell 示例。

(?<=^|[\s)\n])[\n]*([^(\n\s]*)([(]([^)\n]*)[)])?

示例

    $Matches = @()
    $String = 'key1(value1) key2(value2)
key3(value3) key3.5
key4 key5(value5)  GoofyStuff(I like kittens)
key6 key7 ForReal-Things(be sure to vote)
key8'
    Write-Host start with 
    write-host $String
    Write-Host
    Write-Host found
    ([regex]'(?<=^|[\s)\n])([^(\n\s]*)([(]([^)\n]*)[)])?').matches($String) | foreach {
        if ($_.Groups[1].Value) {
            write-host "key at $($_.Groups[1].Index) = '$($_.Groups[1].Value)'"
            if ($_.Groups[3].Value) {
                write-host "value at $($_.Groups[3].Index) = '$($_.Groups[3].Value)'"
                } # end if
            } # end if
        } # next match

产量

start with
key1(value1) key2(value2)
key3(value3) key3.5
key4 key5(value5)  GoofyStuff(I like kittens)
key6 key7 ForReal-Things(be sure to vote)
key8

found
key at 0 = 'key1'
value at 5 = 'value1'
key at 13 = 'key2'
value at 18 = 'value2'
key at 27 = 'key3'
value at 32 = 'value3'
key at 40 = 'key3.5'
key at 48 = 'key4'
key at 53 = 'key5'
value at 58 = 'value5'
key at 67 = 'GoofyStuff'
value at 78 = 'I like kittens'
key at 95 = 'key6'
key at 100 = 'key7'
key at 105 = 'ForReal-Things'
value at 120 = 'be sure to vote'
key at 138 = 'key8'

总结

(?<=^|[\s)\n]*) 查找键的开头，假定每个键位于字符串的开头，或者紧跟在 \n、"(" 或空格之后 - (?<=^|[\s)\n]*)。这可能不适用于Java 在处理未定义大小的外观方面存在错误/功能。 (see also)
(?<=^|[\s)\n]) 查找键的开头，假定每个键位于字符串的开头，或者紧跟在 \n、"(" 或空格之后 - (?<=^|[\s)\n])。这个样子around 似乎在 C# 和 Powershell 中工作
([^(\n\s]*) 返回直到下一个“(”、\n 或 \s 的所有字符
([(]([^)\n]*)[)])? 如果存在则返回 parans 中的值

循环内的额外逻辑测试 Matches 数组以验证是否找到了键名或值。在 powershell 中，$Matches 会自动填充字符串中的所有匹配项。

【讨论】：

注意：此解决方案适用于 C#，但目前依赖于 Java 正则表达式实现中的错误/功能。
这是在 powershell 中编写和测试的，您能否扩展您所指的错误/功能？
检查这个问题：stackoverflow.com/questions/1536915/… Java 正则表达式的“官方”文档在 Pattern 类中，它并没有真正详细描述什么被认为是无效的后视。因此，尚不清楚这是错误还是功能。
这是 Java 的一个有趣缺陷。我将通过从环视中删除“*”来更新此答案
没有分析您的正则表达式 - 但是，它不需要 *。 * 实际上使它等同于空字符串。如果我没记错的话，look-behind 总是尝试匹配最短的字符串。

【解决方案2】：

我的建议是：

Pattern p = Pattern.compile("(\\(?[^ \\n(]+\\)?)+"), Pattern.DOTALL);

然后，遍历子匹配。如果第一个字符是一个括号，你就知道它是前一个键的值；否则，这是一个关键。如果它是一个值，只需使用 substring 去掉括号即可。

【讨论】：