java - java中基于空格和匹配引号的正则表达式分割字符串

Question

我有一个字符串，需要根据空格和精确匹配的引号进行拆分。

如果

string = "It is fun \"to write\" regular\"expression"

拆分后我希望结果是:

它

是

有趣

“写”

常规

“表达式

我从中得到一些接近做到这一点的正则表达式是:

STRING_SPLIT_REGEXP = "[^\\s\"']+|\"([^\"]*)\"|'([^']*)'"

提前感谢您的回答。

Answer 1

看来您刚刚使用了 this answer 中的正则表达式，但正如您所看到的，它不使用 split 而是使用 Matcher 类中的 find 方法。此外，此答案还负责处理 '，其中您的输入没有显示任何迹象。

因此，您可以通过删除处理 ' 的部分来改进此正则表达式，这将使其看起来像

[^\\s\"]+|\"([^\"]*)\"

此外，由于您希望将 " 作为标记的一部分，因此您不需要将 " 之间的匹配放在单独的组中，因此请去掉括号\"([^\"]*)\" 部分

[^\\s\"]+|\"[^\"]*\"

现在您需要做的就是添加没有结束 " 的情况，但您会得到字符串结尾。因此将此正则表达式更改为

[^\\s\"]+|\"[^\"]*(\"|$)

在此之后，您可以使用 Matcher，在某个地方查找所有存储 token ，比如说在List中。

示例:

String data = "It is fun \"to write\" regular\"expression";
List<String> matchList = new ArrayList<String>();
Pattern regex = Pattern.compile("[^\\s\"]+|\"[^\"]*(\"|$)");
Matcher regexMatcher = regex.matcher(data);
while (regexMatcher.find()) {
    System.out.println(regexMatcher.group());
    matchList.add(regexMatcher.group());
}

输出:

It
is
fun
"to write"
regular
"expression

<小时/>

处理此数据的更复杂的表达式可能如下所示

String data = "It is fun \"to write\" regular \"expression";
for(String s : data.split("(?<!\\G)(?<=\\G[^\"]*(\"[^\"]{0,100000}\")?[^\"]*)((?<=\"(?!\\s))|\\s+|(?=\"))"))
    System.out.println(s);

但是这种方法比编写自己的解析器过于复杂。

<小时/>

这样的解析器可能看起来像

public static List<String> parse(String data) {
    List<String> tokens = new ArrayList<String>();
    StringBuilder sb = new StringBuilder();
    boolean insideQuote = false;
    char previous = '\0';

    for (char ch : data.toCharArray()) {
        if (ch == ' ' && !insideQuote) {
            if (sb.length() > 0 && previous != '"')
                addTokenAndResetBuilder(sb, tokens);
        } else if (ch == '"') {
            if (insideQuote) {
                sb.append(ch);
                addTokenAndResetBuilder(sb, tokens);
            } else {
                addTokenAndResetBuilder(sb, tokens);
                sb.append(ch);
            }
            insideQuote = !insideQuote;
        } else {
            sb.append(ch);
        }
        previous = ch;
    }
    addTokenAndResetBuilder(sb, tokens);

    return tokens;
}

private static void addTokenAndResetBuilder(StringBuilder sb, List<String> list) {
    if (sb.length() > 0) {
        list.add(sb.toString());
        sb.delete(0, sb.length());
    }
}

使用

String data = "It is fun \"to write\" regular\"expression\"xxx\"yyy";
for (String s : parse(data))
    System.out.println(s);