java.util.Scanner 的 useDelimiter ("") 或 useDelimiter(Pattern.compile ("\\s")) 与标准行为不同

Question

给出下面的代码，它输出:

Feed a chunk of data here:           
I have found:   0 words; 0 ints; 0 booleans;

如果我键入 10 个空格并保留两个 useDelimiter 方法调用的注释，则输出:

Feed a chunk of data here:           
I have found:   9 words; 0 ints; 0 booleans;
sssssssss

如果我键入完全相同的 10 个空格但确实使用了两个 useDelimiter 调用之一。为什么会这样？不应该一样吗？这是代码，谢谢:

package com.riccardofinazzi.regex;

import java.io.Console;
import java.util.Scanner;
import java.util.regex.Pattern;
import java.util.ArrayList;

class ScanNext {
    public static void main(String[] args) {

        /* match counters */
        int hits_s = 0, hits_i = 0, hits_b = 0;

        /* current token value */
        String  s;
        Integer i;
        Boolean b;

        ArrayList<Object> al = new ArrayList<Object>();

        Scanner s1 = new Scanner(System.console().readLine("Feed a chunk of data here: "));

        /* not needed as this is def behaviour, I put it here to not forget the method */

        //s1.useDelimiter(Pattern.compile("\\s"));
        //s1.useDelimiter(" ");

        while(s1.hasNext()) {
            if (        s1.hasNextInt()) {
                        al.add(s1.nextInt());       hits_i++;

            } else if ( s1.hasNextBoolean()) {
                        al.add(s1.nextBoolean());   hits_b++;

            } else {    al.add(s1.next());          hits_s++;
            }
        }

        System.out.println("I have found:\t"+hits_s+" words; "+hits_i+" ints; "+hits_b+" booleans;");

        for (Object in : al) {
            if (in instanceof String)
                System.out.print("s");
            if (in instanceof Integer)
                System.out.print("i");
            if (in instanceof Boolean)
                System.out.print("b");
        }
        System.out.print("\n");
    }
}

Answer 1

假设 X 是定界符。

如果我们扫描像 "aXbXc" 这样的文本，很明显有 3 个标记:"a" "b" 和 “c”。

如果我们扫描像 "aXXc" 这样的文本，仍然有 3 个标记，但是这次:"a" "" 和 “c”。这是因为我们将定界符设置为一次仅匹配一个 X，因此它不会将另一个 X 视为已匹配定界符的延续，而是作为单独的定界符。
(这在分隔符是 , 的情况下非常有用，我们扫描像 1,2,,,3 这样的数据，因为它应该代表元素: 1 2 无数据 无数据 3).
如果您希望定界符表示一个或多个 X，则需要使用 X+，因为 + 是表示“一次或多次”的量词。这样 aXXc 将仅表示 "a" 和 "c" 元素，因为整个 XX 将被视为一个元素分隔符。

另一个有趣的例子是aXbX。如您所见，此处没有 c，文本以分隔符结尾。在这种情况下，Scanner 不会假设在最后一个定界符之后有空元素，因此它只会将 "a" 和 "b" 视为标记，而不是 "a ", "b", "".

同样适用于XbXc，其中文本以定界符开头。 Scanner 不假设在它之前有一些空元素。

---

现在让我们回到你的案例。

如果您打印 Scanner 的默认分隔符(使用类似 System.out.println(s1.delimiter()); 的代码)，您将看到它是 \p{javaWhitespace}+。所以默认情况下，分隔符是一个或多个空格。但稍后您将其更改为单个 空格或空格族。这意味着对于字符串

"          "

• 如果定界符是\p{javaWhitespace}+ 那么整个表达式匹配为一个定界符所以在定界符之前、之后和之间没有元素，所以有是 0 个标记(非分隔符元素)
• 但是如果我们使用 "" 或 "\\s" 作为分隔符，那么 Scanner 将找到 10 个分隔符(每个空格是 一个他们)。由于有 10 个分隔符，这意味着它们之间有 9 个元素(即使是空字符串也算在内)。文本也以定界符开始和结束，这意味着在第一个定界符之前或最后一个定界符之后没有标记。