java - 使用正则表达式分割不同长度的字符串

Question

我不知道使用正则表达式是否可行。我只是在问，以防有人知道答案。

我有一个string ="hellohowareyou??"。我需要像这样分割
[h, el, loh, owar, eyou?, ?]。

进行拆分，以使第一个字符串的长度为1，第二个长度为2，依此类推。最后一个字符串将包含其余字符。我可以很容易地做到这一点，而无需使用正则表达式使用这样的功能。

public ArrayList<String> splitString(String s)
    {
        int cnt=0,i;
        ArrayList<String> sList=new ArrayList<String>();
        for(i=0;i+cnt<s.length();i=i+cnt)
        {
         cnt++;
         sList.add(s.substring(i,i+cnt));    
        }
        sList.add(s.substring(i,s.length()));
        return sList;
    }

我只是很好奇是否可以使用正则表达式来完成这种事情。

Answer 1

解
以下代码段生成完成该工作的模式(see it run on ideone.com):

// splits at indices that are triangular numbers
class TriangularSplitter {
 
  // asserts that the prefix of the string matches pattern
  static String assertPrefix(String pattern) {
    return "(?<=(?=^pattern).*)".replace("pattern", pattern);
  }
  // asserts that the entirety of the string matches pattern
  static String assertEntirety(String pattern) {
    return "(?<=(?=^pattern$).*)".replace("pattern", pattern);
  }
  // repeats an assertion as many times as there are dots behind current position
  static String forEachDotBehind(String assertion) {
    return "(?<=^(?:.assertion)*?)".replace("assertion", assertion);
  }
  
  public static void main(String[] args) {
    final String TRIANGULAR_SPLITTER =
      "(?x) (?<=^.) | measure (?=(.*)) check"
        .replace("measure", assertPrefix("(?: notGyet . +NBefore +1After)*"))
        .replace("notGyet", assertPrefix("(?! \\1 \\G)"))
        .replace("+NBefore", forEachDotBehind(assertPrefix("(\\1? .)")))
        .replace("+1After", assertPrefix(".* \\G (\\2?+ .)"))
        .replace("check", assertEntirety("\\1 \\G \\2 . \\3"))
        ;
    String text = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ";
    System.out.println(
        java.util.Arrays.toString(text.split(TRIANGULAR_SPLITTER))
    );
    // [a, bc, def, ghij, klmno, pqrstu, vwxyzAB, CDEFGHIJ, KLMNOPQRS, TUVWXYZ]
  }
}

请注意，此解决方案使用了我的正则表达式文章系列中已经介绍的技术。这里唯一的新东西是 \G和正向引用。
参考文献
这是对使用的基本正则表达式构造的简要说明:

(?x)是嵌入式标记modifier，用于启用free-spacing模式，在该模式下，未转义的空格将被忽略(并且#可用于注释)。

^和$是anchors的开头和结尾。 \G是end-of-previous match锚。

|表示alternation(即“或”)。

?作为重复说明符表示optional(即零或一)。作为重复量词，例如.*?，它表示*(即零个或多个)重复是reluctant /非贪婪。

(…)用于grouping。 (?:…)是一个非捕获组。捕获组保存它匹配的字符串；除其他事项外，它还允许在向后/向前/嵌套引用(例如\1)上进行匹配。

(?=…)是积极的lookahead；它看起来向右断言给定模式匹配。 (?<=…)令人反感；它向左看。

(?!…)是一个否定的前瞻；它在右边看起来断言模式不匹配。

相关问题

[nested-reference] 系列中的文章:

How does this regex find triangular numbers?

How can we match a^n b^n with Java regex?

How does this Java regex detect palindromes?

How does the regular expression (?<=#)[^#]+(?=#) work?

说明
该模式在零宽度断言上匹配。使用一种相当复杂的算法来断言当前位置是 triangular number。有2种主要选择:

(?<=^.)，即我们可以向后看，并且可以看到字符串的开头一个点

这与索引1匹配，是其余过程

的关键起点

否则，我们使用measure重构最后一次匹配的方式(使用\G作为参考点)，将测量结果存储在\G之前和之后的\G捕获组中。然后，如果当前位置是测量所指定的位置，则我们用check找出下一个匹配位置。

因此，第一个选择是琐碎的“基本情况”，第二个选择设置了如何进行此后的所有后续匹配。 Java没有自定义名称的组，但是这是3个捕获组的语义:

\1捕获字符串“before” \G

\2捕获一些字符串“在”之后\G

如果\1的长度是例如1 + 2 + 3 + ... + k，则\2的长度必须为k。

因此，\2 .的长度为k + 1，应成为split的下一部分!

\3捕获我们当前位置右侧的字符串

因此，当我们可以在assertEntirety上使用\1 \G \2 . \3时，我们将匹配并设置新的\G

您可以使用数学归纳法来严格证明该算法的正确性。
为了帮助说明这是如何工作的，让我们来看一个示例。让我们以 abcdefghijklm作为输入，并说我们已经部分分割了 [a, bc, def]。

          \G     we now need to match here!
           ↓       ↓
a b c d e f g h i j k l m n
\____1____/ \_2_/ . \__3__/   <--- \1 G \2 . \3
  L=1+2+3    L=3           

请记住， \G标记了最后一个匹配项的结尾，它出现在三角形数字索引处。如果 \G出现在1 + 2 + 3 + ... + k，则下一个匹配项必须在 \G之后为k + 1个位置，以作为三角索引。
因此，在我们的示例中，给定 \G是我们刚分离出 def的位置，我们测量到k = 3，下一次匹配将按预期分离出 ghij。
要根据上述规范构建 \1和 \2，我们基本上要做一个 while“循环”:只要是 notGyet，我们就算出k如下:

+NBefore，即我们将\1扩展一个forEachDotBehind

+1After，即我们只将\2扩展一个

注意 notGyet包含对组1的前向引用，该引用在模式的后面定义。本质上，我们执行循环直到 \1“hits” \G为止。

结论
不用说，这种特殊的解决方案具有可怕的性能。 regex引擎仅记住上一次匹配的位置(使用 \G)，而忘记了HOW(即，在下次尝试匹配时重置所有捕获组)。然后，我们的模式必须通过一次附加一个字符(即 O(N^2))来精心构建字符串，从而重构HOW(这是传统解决方案中不必要的步骤，在这种情况下变量并不是那么“令人难忘”)。每个简单的测量都是线性的，而不是恒定的时间(因为它是通过字符串匹配完成的，其中长度是一个因素)，并且最重要的是，我们进行了许多多余的测量(即，扩展一次，我们需要先重新匹配)我们已经拥有的)。
除此以外，可能还有许多“更好”的正则表达式解决方案。但是，这种特定解决方案的复杂性和效率低下应该正确地表明，正则表达式不是针对这种模式匹配而设计的。
就是说，出于学习目的，这绝对是一个绝妙的问题，因为在研究和制定解决方案方面拥有丰富的知识。希望这个特定的解决方案及其解释是有益的。