scala 在捕获组上拆分

Question

我试图仅在正则表达式的捕获组上拆分字符串，但我似乎在整个匹配上拆分。

我想在| 上拆分hi|my~~|~|name is bob，前面有一个零或任何偶数个~

所以我的预期输出是Array(hi, my~~, ~|name is bob)

我正在使用正则表达式"(?<!~)(?:~~)*(\\|)"

但是"hi|my~~|~|name is bob".split("(?<!~)(?:~~)*(\\|)") 正在返回Array[String] = Array(hi, my, ~|name is bob)，因为它在my 之后拆分整个~~|，而不仅仅是~~ 前面的|。

例如比较：

scala> "(?<!~)(?:~~)*(\\|)".r.findAllIn("hi|my~~|~|name is bob").foreach(println)
|
~~|

到

scala> "(?<!~)(?:~~)*(\\|)".r.findAllIn("hi|my~~|~|name is bob").matchData foreach { m => println(m.group(1)) }
|
|

编辑：

一些背景和说明：

我正在尝试将字符串列表序列化为由| 分隔的单个字符串。我不能保证|（或与此相关的任何字符）不会出现在单个字符串中。

为了实现所需的功能，我想转义所有出现的|。我选择了~ 作为我的转义字符。在我可以逃脱| 之前，我需要先逃脱~。

一旦我转义了所有内容，我就可以使用| 加入列表，以获得代表我原始字符串列表的单个字符串。

然后稍后将单个字符串解析回原始列表，我只需要在未转义的| 上进行拆分。我必须小心，因为像~~| 这样的东西实际上是一个未转义的管道，即使它包含~|。这是因为转义字符本身是转义的，这意味着它只是我原始字符串之一中的“tilda”，而不是用作“转义”。换句话说，我有一个以~ 结尾的字符串，现在它转义为~~，并通过“|”与列表中的下一个字符串连接。

好的，所以如果我的初始字符串列表是["hi","my~","|name is bob"]，我将首先转义所有~ 以获得["hi","my~~","|name is bob"]。现在我将转义所有| 以获得["hi","my~~","~|name is bob"]，最后我将加入| 以获得单个字符串：

"hi|my~~|~|name is bob"

现在，如果我想扭转这种情况，我需要先拆分未转义的 |，即前面有零或偶数个 ~ 的任何 |。因此，如果我可以用我的正则表达式实现这一点（到目前为止，我在我的捕获组中正确捕获了这个，但我只是不知道如何只应用组而不是完整的 ~~| 匹配例如拆分），然后我会得到["hi","my~~","~|name is bob"]。现在我简单地取消我的~'s，取消我的|，然后我回到了我原来的输入：

["hi","my~","|name is bob"]

Answer 1

您需要所有~s 都成为后视组的一部分，因为split 在正则表达式的整个 匹配中拆分，而不仅仅是其中的一组，即使该组是非捕获组。一个更简单的例子：

"asdf" split "(?:s)" //Array(a, df)

look-behind 组不属于匹配项，因此您希望将前缀条件放入其中。基本上，您需要将您的解决方案包装在另一个后视组中。理想情况下，您希望：

"""(?<=(?<!~)(~~)*)\|"""

但不幸的是，Java 不支持任意长度的后视组。作为一种解决方法，您可以这样做：

"""(?<=(?<!~)(~~){0,10})\|"""

只要有 20 个或更少，这将适用于偶数个 ~s。如果这是一个问题，你可以增加 10。

如果嵌套的look-behinds令人困惑，您也可以使用等效的：

"""(?<![^~]~(~~){0,10})\|"""