java - 保留连字符，除非在正则表达式的单词末尾

Question

我正在尝试将文本文件加载到我的 java 程序中。因此，我编写了以下正则表达式:

lineWords = line.replaceAll("[^a-zA-Z\\- ]", "").toLowerCase().split("\\s+");

这通常可以很好地保留连字符的单词，但输入文件中的单词之一以连字符结尾(不幸的是，我无法控制这一点)。我一直在寻找一种方法来保留单词中的连字符，但如果它们位于单词末尾则将其删除。任何想法将不胜感激。

Answer 1

要保留连字符(除非位于单词末尾)，您可以使用 alternation .

匹配除字符类中列出的字符之外的任何字符，或者匹配连字符并使用环视断言左侧是单词字符，右侧不是非空白字符。

(?:[^a-zA-Z -]|(?<=\w)-(?!\S))

部分内容

• (?:非捕获组
  • [^a-zA-Z -]匹配除列出的任何字符
  • |或者
  • (?<=\w)-(?!\S)断言左侧是单词字符并断言右侧不是非空白字符
• )关闭群组

Regex demo | Java demo

在Java中

(?:[^a-zA-Z -]|(?<=\\w)-(?!\\S))

例如

String line = "this is a test $%$ test- test-test and -test ()";
String[] lineWords = line.replaceAll("(?:[^a-zA-Z -]|(?<=\\w)-(?!\\S))", " ").toLowerCase().split("\\s+");
System.out.println(Arrays.toString(lineWords));

输出

[this, is, a, test, test, test-test, and, -test]