Java正则表达式标记忽略转义字符

Question

考虑一个测试字符串，例如

Irrelevant start|group 1|group 2 with \| escaped|group 3|group 4|Irrelevant end

如何使用单个 Java 正则表达式来解析它，以提取所有由条 (|) 分隔的组，同时忽略中间的转义条 (\|)，以及不相关的开始和结束部分 (其中不包含栏)？

后视断言的一个问题，已在 earlier question 中提出。是这样的，在Java中它不允许可变长度字符串并且上面提到的组没有预定义

Answer 1

您可以使用split来做到这一点。我们想分割 |前面没有 \ 。我们必须逃跑|在我们的正则表达式中匹配 |而不是将其用作 or 。匹配文字 \在我们的正则表达式中(在否定的后面)，我们需要 \\\\ .

import java.util.Arrays;

public class Test {

    public static void main(String[] args) {
        String str = "Irrelevant start|group 1|group 2 with \\| escaped|group 3|group 4|Irrelevant end";
        System.out.println(str);

        String[] arr = str.split("(?<!\\\\)\\|");

        String[] new_arr = Arrays.copyOfRange(arr, 1, arr.length - 1);
        System.out.println(Arrays.toString(arr));
        System.out.println(Arrays.toString(new_arr));

    }
}

输出:

Irrelevant start|group 1|group 2 with \| escaped|group 3|group 4|Irrelevant end
[Irrelevant start, group 1, group 2 with \| escaped, group 3, group 4, Irrelevant end]
[group 1, group 2 with \| escaped, group 3, group 4]

<小时/>

对于背后的负面看法的简单示例，让我们看看 (?<!a)b 。这匹配 b前面没有 a 。在我们的例子中，我们想要匹配文字 \而不是a ，和|而不是b ，这就是为什么我们需要所有 \ 。有很多资源可供查看，但是 here如果您想进一步阅读，就是其中之一。

<小时/>

此外，鲍里斯蜘蛛指出，这是脆弱的，并且在某些情况下它不起作用。与不应使用正则表达式解析 XML 的方式类似，CSV 格式通常应与解析库一起使用。