java - 多模式字符串拆分

Question

我有一个文本，由不同的正则表达式分隔符组成，后跟文本。在此示例中，我有 3 个正则表达式分隔符(PatternA、B、C)，文本如下所示:

|..StringMatchingA..|..Text1..|..StringMatchingB..|..Text2..|..StringMatchingA..|..Text3..|..StringMatchingC..|..Text4。 .|

我正在寻找一种高效的 Java 解决方案来将信息提取为三元组列表:

• {PatternA, StringMatchingA, Text1}
• {PatternB, StringMatchingB, Text2}
• {PatternA, StringMatchingA, Text3}
• {PatternC, StringMatchingC, Text4}

通过这些信息，我知道对于每个三元组，匹配的模式是什么，以及匹配它的字符串。

目前，我有这种方法，但我想我可以使用高级正则表达式来做一些更有效的事情？

   String pattern = "?=(PatternA|PatternB|PatternC)";
   String()[] tokens = input.split(pattern);
   for(String token : tokens)
   {
      //if start of token matches patternA ...
      //elseif start of token matches pattern B...
      //etc...  
   }

备注:

• 模式是互斥的。
• 字符串总是以至少一种模式开头。

Answer 1

您可以使用循环并在代码块内“吃掉”您在文本开头找到的内容。通过这种方式，每次迭代解析都非常简单且可维护/可扩展。

简单的规则是:吃掉你发现的东西并加工它。

类似这样的东西

String chunk;
while(text.size() >0 {

    chunk = eat(text,pattern1);
    if (chunk.lengh()>0}{
       ...
       continue;
    }
    chunk = eat(text,pattern2);
    if (chunk.lengh()>0}{
       ...
       continue;
    }
 }

出于性能原因，您必须在进入循环之前编译正则表达式模式。

(也可以考虑使用像 ANTLR 这样的解析器生成器)。