Java 通过带问号的换行符正则表达式拆分字符串

Question

我编写了一个 Java 类，它必须从包含换行符的字符串中提取元素。作为第一步，代码必须按换行符拆分输入字符串并将结果放入数组中。除了在一种特定情况下，这一切都很好。我正在使用以下代码执行拆分:

String lines[] = inputText.split("[\\r?\\n\\r]+");

我遇到的问题是以下行:

##INFO=<ID=DS,Number=0,Type=Flag,Description=""removed?"">"

结果是两行:

##INFO=<ID=DS,Number=0,Type=Flag,Description=""removed
"">"

它 split 在问号上。谁能指出我为什么会这样的正确方向？在正则表达式中没有 '?'指示出现 0 次或 1 次？这不是一种可以接受的换行分割方式吗？

Answer 1

您正在使用字符类([])，这意味着括号内的任何字符，所以在您的情况下 [\\r?\\n\\r] +，表示\\r、\\n、?、\\r ，一次或多次 (+)。

换行符的真正可移植正则表达式，由 Unicode UTS #18: Unicode Regular Expressions 定义, 是:

\R => (?:(?>\u000D\u000A)|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029])

如 this answer 所述由 Perl 名人汤姆·克里斯蒂安森 (Tom Christiansen) 编写。解释 Java 的双重转义(字符串然后正则表达式):

(?:(?>\\u000D\\u000A)|[\\u000A\\u000B\\u000C\\u000D\\u0085\\u2028\\u2029])