java - 通过结合前瞻和后视，使用正则表达式在java中分割字符串

Question

我想使用正则表达式在java中分割一个字符串，但我想从前面和后面匹配它，以免丢失任何字符串。

例如:

test <img border=\"0\" src=\"test\" />hi<img border=\\\"0\\\" src=\\\"test\\\" /> test3"

我有上面的字符串，预期输出应该是:

预期输出:

test 
<img border=\"0\" src=\"test\" />
hi
<img border=\"0\" src=\"test\" /> 
 test3"

以下是我尝试过的

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class TestParse {

    private static final String IMG_S_LookBehind = "(?<=\\>)";
    private static final String IMG_S_LookAHead = "(?=<img .*?\\>)";

    static String test = "test <img border=\"0\" src=\"test\" />hi<img border=\\\"0\\\" src=\\\"test\\\" /> test3";

    static Pattern newPattern(String tag) {
        return Pattern.compile(String.format("(<%s\\s*([^>]*)>)(.*)(</%s>)", tag, tag));
    }

    public static void main(String[] args) {
//      Pattern re = newPattern("b");
//      Matcher m = re.matcher(test);
//      
//      if (m.matches()) {
//          for (int i = 0; i <= m.groupCount(); i++) {
//              System.out.printf("[%d]: [%s]\n", i, m.group(i));
//          }
//      }
        String[] split = test.split(IMG_S_LookAHead);
        System.out.println(split);
    }
}

输出:

 test 
    <img border=\"0\" src=\"test\" />hi
    <img border=\"0\" src=\"test\" /> test3"

我也尝试从后面看，但不知何故它无法给我预期的输出。任何有关这方面的线索将不胜感激。

Answer 1

我不会通过正则表达式分割来解决这个问题，因为很难表达/检测标签和非标签之间的边界等。相反，我会尝试匹配标签或任何不是标签的东西。这是一个工作示例脚本:

String input = "test <img border=\"0\" src=\"test\" />hi<img border=\\\"0\\\" src=\\\"test\\\" /> test3";
String pattern = "<[^>]+>|((?!<[^>]+>).)*";
Pattern r = Pattern.compile(pattern);
Matcher m = r.matcher(input);
while (m.find( )) {
    System.out.println(m.group(0));
}

打印:

test 
<img border="0" src="test" />
hi
<img border=\"0\" src=\"test\" />
 test3

也许需要解释正则表达式的一部分:

((?!<[^>]+>).)*

这将匹配任何内容，只要它不遇到标签的开头。这个技巧被称为“回火点”，因为它实际上只是 .*，并在每个步骤中进行检查以确保标签不相交。