使用多字符分隔符拆分正则表达式

Question

我正在努力寻找在 Java 中使用带有多个字符的分隔符来拆分字符串的正确方法（例如 '.[1a]' 或 '.(2b)'）

这是一个测试用例：

String str1 = "This is test 1  .  This is test 2  [2 b]. This is test 3 (3). This is test 4.[4a] This is a test 5 . This is test 6 . (6,six)";

Pattern regex = Pattern.compile("\\.\\s{0,}\\[.*\\]\\s{0,}|\\.\\s{0,}\\(.*\\)\\s{0,}|\\.\\s{0}");

System.out.println(Arrays.toString(regex.split(text)));

我的目标输出如下（每个子字符串开头或结尾的空格都可以，重要的是保留分隔符）：

[这是测试 1。 , 这是测试 2 [2 b]。 , 这是测试 3 (3)。 , 这是测试 4.[4a] ，这是测试 5 。 , 这是测试6。 (6,6)]

但是，这是我得到的输出：

[这是测试 1，这是测试 2 [2 b]，这是测试 3 (3)，这是 测试4，这是测试5，这是测试6]

还尝试删除“\\s”，这是Pattern.compile("\\s+\\[.?\\]\\s+\\.|\\s+\\(.?\\)\\s+\\.|\\.\\s+") 等空格的不同表示法，并尝试使用Pattern.compile("(?<=[.[*]\\s+])|(?=[.(*)]\\s+)|\\.") 之类的前瞻，但都没有帮助：|

Answer 1

这可能有点棘手。关注通缉组在下一个组开始时结束的共同特征 - 有一个字母\w，所以用它来检测一个新组。

利用这一优势将其替换为 self 和之前的 \n，因此 \n$1 和每个组将出现在一个新行上，这很容易提取。想要的正则表达式（见Regex101）是：

 (?<!\w )(\w)(?=\w{2,})

• 注意正则表达式第一个字符处的（空格）！

这将产生如下输出：

This is test 1  . 
This is test 2  [2 b].
This is test 3 (3).
This is test 4.[4a]
This is a test 5 .
This is test 6 . (6,six)

在 Java 中，代码将使用 replaceAll 和 split 方法（感谢 @jmng 的改进）：

String str1 = "This is test 1  .  This is test 2  [2 b]. This is test 3 (3). This is test 4.[4a] This is a test 5 . This is test 6 . (6,six)";

Pattern reg1 = Pattern.compile(" (?<!\\w )(\\w)(?=\\w{2,})");              // Preparation
Pattern regNewline = Pattern.compile("\n");                                // Split
String[] array = regNewline.split(reg1.matcher(str1).replaceAll("\n$1"));  // Apply


Arrays.stream(array).forEach(System.out::println);                         // Test it

Answer 2

如果每个子字符串的开头或结尾的空格是可以接受的并且使用拆分，则一种可能性是使用替代方案，并积极地向后检查您的不同要求。

在 Java 中，您必须确定后视的最小和最大可能长度，例如，您可能会为示例数据取 10。

(?<=\[[^]]{1,10}]\.|\.\[[^]]{1,10}]|\([^)]{1,10}\)\.| \. (?!\([^)]+\)))

在 Java 中：

(?<=\\[[^]]{1,10}]\\.|\\.\\[[^]]{1,10}]|\\([^)]{1,10}\\)\\.| \\. (?!\\([^)]+\\)))

说明

• (?<= 积极的后视检查左边是什么
  • \[[^]]{1,10}]\. 使用否定字符类来匹配方括号和不重复右括号 1 - 10 次后跟一个点的量词
  • |或者
  • \.\[[^]]{1,10}] 匹配点并使用否定字符类在方括号和不重复右括号的量词之间匹配 1 - 10 次
  • |或者
  • \([^)]{1,10}\)\. 使用否定字符类来匹配括号和量词，而不是重复右括号 1 - 10 次
  • |或者
  • \. (?!\([^)]+\)) 一个空格、点和一个空格，如果后面的内容不是括号之间的任何内容
• ) 近距离正面观察

Java demo