正则表达式匹配Java中的非转义逗号

Question

问题描述

我正在尝试使用 String 类提供的 split() 方法将 a 拆分为单独的字符串。文档告诉我它将围绕参数的匹配进行拆分，这是一个正则表达式。我使用的分隔符是逗号，但也可以转义逗号。我使用的转义字符是正斜杠 / （只是为了不使用反斜杠使事情变得更容易，因为这需要在 Java 和正则表达式中的字符串文字中进行额外的转义）。

例如，输入可能是这样的：

a,b/,b//,c///,//,d///,

输出应该是：

a
b,b/
c/,/
d/,

因此，字符串应该在每个逗号处拆分，除非该逗号前面有奇数个斜杠 (1, 3, 5, 7, ..., ∞)，因为这意味着逗号被转义。

可能的解决方案

我最初的猜测是这样拆分：

String[] strings = longString.split("(?<![^/](//)*/),");

但这是不允许的，因为 Java 不允许无限的后视组。我可以通过将 * 替换为 {0,2000} 来将重复时间限制在 2000 年：

String[] strings = longString.split("(?<![^/](//){0,2000}/),");

但这仍然对输入施加了限制。所以我决定把复现从look-behind组中去掉，然后想出了这个：

String[] strings = longString.split("(?<!/)(?:(//)*),");

但是，它的输出是以下字符串列表：

a
b,b (the final slash is lacking in the output)
c/, (the final slash is lacking in the output)
d/,

为什么在第二个和第三个字符串中省略了那些斜杠，我该如何解决（在 Java 中）？

Answer 1

您可以使用正视图来实现拆分，以查看逗号前 偶数 个斜线：

String[] strings = longString.split("(?<=[^/](//){0,999999999}),");

但要显示您想要的输出，您需要进一步删除剩余的转义：

String longString = "a,b/,b//,c///,//,d///,";
String[] strings = longString.split("(?<=[^/](//){0,999999999}),");
for (String s : strings)
    System.out.println(s.replaceAll("/(.)", "$1"));

输出：

a
b,b/
c/,/
d/,

Answer 2

你很接近。要克服后视错误，您可以使用以下解决方法：

String[] strings = longString.split("(?<![^/](//){0,99}/),")

Answer 3

如果您不介意使用正则表达式的其他方法，我建议使用.matcher：

Pattern pattern = Pattern.compile("(?:[^,/]+|/.)+");
String test = "a,b/,b//,c///,//,d///,";
Matcher matcher = pattern.matcher(test);
while (matcher.find()) {
    System.out.println(matcher.group().replaceAll("/(.)", "$1"));
}

输出：

a
b,b/
c/,/
d/,

ideone demo

此方法将匹配除定界逗号（有点相反）之外的所有内容。优点是它不依赖环视。

Answer 4

我喜欢正则表达式，但是在这里手动编写代码不是很容易，即

boolean escaped = false;
for(int i = 0, len = s.length() ; i < len ; i++){
    switch(s.charAt(i)){
    case "/": escaped = !escaped; break;            
    case ",": 
      if(!escaped){
         //found a segment, do something with it
      }
      //Fallthrough!
    default:
      escaped = false;
    }
}
// handle last segment