java - 如何使用 Java 基于正则表达式将文件分解为标记

Question

我有一个以下格式的文件，记录由换行符分隔，但有些记录中有换行符，如下所示。我需要获取每条记录并分别处理它们。该文件的大小可能为几 Mb。

 <?aaaaa>
 <?bbbb
     bb>
 <?cccccc>

我有代码:

 FileInputStream fs = new FileInputStream(FILE_PATH_NAME);
 Scanner scanner = new Scanner(fs);
 scanner.useDelimiter(Pattern.compile("<\\?"));
 if (scanner.hasNext()) {
     String line = scanner.next();
     System.out.println(line);
 } 
 scanner.close();

但是我得到的结果有开头 <\?删除:

aaaaa>
bbbb
   bb>
cccccc>

我知道扫描器会处理与定界符模式匹配的任何输入。我能想到的就是手动将定界符模式添加回每条记录。

有没有办法不删除定界符模式？

Answer 1

仅当前面有 ">" 时才在换行符处换行字符:

scanner.useDelimiter("(?<=>)\\R"); // Note you can pass a string directly

\R是系统独立的换行符
(?<=>)是一个look behind，断言(不消耗)前一个字符是 >

而且它很酷，因为 <=>看起来像 Darth Vader's TIE fighter .