java - 与使用带有多个分隔符的 split 感到困惑

Question

我正在练习读取输入，然后对其进行标记。例如，如果我有 [882,337]，我只想获取数字 882 和 337。我尝试使用以下代码:

    String test = "[882,337]";
    String[] tokens = test.split("\\[|\\]|,");
    System.out.println(tokens[0]);
    System.out.println(tokens[1]);
    System.out.println(tokens[2]);

它可以工作，输出是:(空行)第882章337

我不明白的是为什么 token[0] 是空的？我预计只有两个 token ，其中 token[0] = 882 和 token[1] = 337。

我查看了一些链接，但没有找到答案。

感谢您的帮助!

Answer 1

拆分拆分给定的字符串。如果您将“[882,337]”拆分为“[”或“,”或“]”，那么您实际上拥有:

• 没什么
• 882
• 337
• 没什么

但是，正如您调用了 String.split(delimiter) 一样，这会使用 limit 调用 String.split(delimiter, limit)为零。

来自documentation :

The limit parameter controls the number of times the pattern is applied and therefore affects the length of the resulting array. If the limit n is greater than zero then the pattern will be applied at most n - 1 times, the array's length will be no greater than n, and the array's last entry will contain all input beyond the last matched delimiter. If n is non-positive then the pattern will be applied as many times as possible and the array can have any length. If n is zero then the pattern will be applied as many times as possible, the array can have any length, and trailing empty strings will be discarded.

_{(强调我的)}

因此，在此配置中，最终的空字符串将被丢弃。因此，您所拥有的正是您所拥有的。

<小时/>

通常，要标记这样的东西，人们会选择 replaceAll 和 split 的组合:

final String[] tokens = input.replaceAll("^\\[|\\]$").split(",");

这将首先去掉开始 (^[) 和结束 (]$) 括号，然后在 , 上拆分。这样，您就不必使用从任意索引开始循环的有些迟钝的程序逻辑。

<小时/>

作为一种替代方案，对于更复杂的标记化，可以使用 Pattern - 这里可能有点过分，但在编写多个 replaceAll 链之前值得记住。

首先，我们需要在正则表达式中定义我们想要的标记(而不是我们要分割的标记) - 在本例中很简单，它只是数字，所以 \d。

因此，为了从任意 String 中仅提取所有数字(无千位/小数分隔符)值，将执行以下操作:

final List<Integer> tokens = new ArrayList<>();    <-- to hold the tokens
final Pattern pattern = Pattern.compile("\\d++");  <-- the compiled regex
final Matcher matcher = pattern.matcher(input);    <-- the matcher on input

while(matcher.find()) {                            <-- for each matched token
    tokens.add(Integer.parseInt(matcher.group())); <-- parse and `int` and store
}

_{注意:我使用了占有正则表达式模式来提高效率}

所以，你看，上面的代码比简单的 replaceAll().split() 稍微复杂一些，但它的可扩展性要强得多。您可以使用任意复杂的正则表达式来标记 almost any输入。