我有一个多行字符串，由一组不同的分隔符分隔:
(Text1)(DelimiterA)(Text2)(DelimiterC)(Text3)(DelimiterB)(Text4)
我可以使用string将这个字符串分割成各个部分。分裂，但似乎我无法获得与分隔符正则表达式匹配的实际字符串。
换句话说，这就是我得到的结果:
Text1 Text2 Text3 Text4
这就是我想要的
Text1 DelimiterA Text2 DelimiterC Text3 DelimiterB Text4
JDK中是否有任何方法可以使用分隔符正则表达式分割字符串，但同时保留分隔符?
当前回答
我知道这是一个非常非常古老的问题，答案也被接受了。但我仍然想对最初的问题提出一个非常简单的答案。考虑下面的代码:
String str = "Hello-World:How\nAre You&doing";
inputs = str.split("(?!^)\\b");
for (int i=0; i<inputs.length; i++) {
System.out.println("a[" + i + "] = \"" + inputs[i] + '"');
}
输出:
a[0] = "Hello"
a[1] = "-"
a[2] = "World"
a[3] = ":"
a[4] = "How"
a[5] = "
"
a[6] = "Are"
a[7] = " "
a[8] = "You"
a[9] = "&"
a[10] = "doing"
我只是使用单词边界\b来分隔单词，除非它是文本的开始。
其他回答
我喜欢StringTokenizer的想法，因为它是可枚举的。 但它也是过时的，可以用String代替。split返回一个单调的String[](并且不包括分隔符)。
所以我实现了一个StringTokenizerEx，它是一个Iterable，它接受一个真正的regexp来分割字符串。
一个真正的regexp意味着它不是一个重复的'字符序列'来形成分隔符: 'o'只匹配'o'，并将'ooo'分成三个分隔符，其中有两个空字符串:
[o], '', [o], '', [o]
但是regexp o+在拆分“aooob”时将返回预期的结果
[], 'a', [ooo], 'b', []
使用StringTokenizerEx:
final StringTokenizerEx aStringTokenizerEx = new StringTokenizerEx("boo:and:foo", "o+");
final String firstDelimiter = aStringTokenizerEx.getDelimiter();
for(String aString: aStringTokenizerEx )
{
// uses the split String detected and memorized in 'aString'
final nextDelimiter = aStringTokenizerEx.getDelimiter();
}
该类的代码可以在DZone snippet中找到。
与通常的代码挑战响应(包含测试用例的自包含类)一样，复制粘贴它(在“src/test”目录中)并运行它。它的main()方法说明了不同的用法。
注:(2009年底编辑)
《Final Thoughts: Java Puzzler: Splitting hair》这篇文章很好地解释了String.split()中的奇怪行为。 乔希·布洛赫(Josh Bloch)甚至在回应那篇文章时评论道:
是的，这很痛苦。FWIW，这样做有一个很好的理由:与Perl的兼容性。 做这件事的人是Mike "madbot" McCloskey，他现在在谷歌和我们一起工作。Mike确保Java的正则表达式几乎通过了所有30K Perl正则表达式测试(并且运行得更快)。
谷歌公共库Guava还包含一个Splitter，它是:
使用更简单 由谷歌(而不是你)维护
所以它可能值得一看。从他们最初的粗略文件(pdf):
JDK有:
String[] pieces = "foo.bar".split("\\.");
如果你想要它所做的事情，使用它是很好的: -正则表达式 - result作为数组 -它处理空碎片的方式 小谜题:"，a，，b，".split("，")返回…
(a) "", "a", "", "b", ""
(b) null, "a", null, "b", null
(c) "a", null, "b"
(d) "a", "b"
(e) None of the above
答案:(e)以上都不是。
",a,,b,".split(",")
returns
"", "a", "", "b"
只跳过尾随空!(谁知道防止跳过的变通方法?这是一个有趣的…) 在任何情况下，我们的Splitter都更加灵活:默认行为很简单:
Splitter.on(',').split(" foo, ,bar, quux,")
--> [" foo", " ", "bar", " quux", ""]
如果您想要额外的功能，请提出要求!
Splitter.on(',')
.trimResults()
.omitEmptyStrings()
.split(" foo, ,bar, quux,")
--> ["foo", "bar", "quux"]
配置方法的顺序并不重要——在分割过程中，在检查空之前进行修整。
快速回答:使用非物理边界，如\b分割。我将尝试和实验，看看它是否有效(在PHP和JS中使用)。
这是可能的，也是一种工作，但可能会分裂太多。实际上，这取决于你想拆分的字符串和你需要的结果。提供更多细节，我们将更好地帮助您。
另一种方法是自己进行拆分，捕获分隔符(假设它是可变的)，然后将其添加到结果中。
我的快速测试:
String str = "'ab','cd','eg'";
String[] stra = str.split("\\b");
for (String s : stra) System.out.print(s + "|");
System.out.println();
结果:
'|ab|','|cd|','|eg|'|
有点太多了……: -)
如果你想保留字符，那么使用split方法，该方法存在.split()方法中的漏洞。
请看这个例子:
public class SplitExample {
public static void main(String[] args) {
String str = "Javathomettt";
System.out.println("method 1");
System.out.println("Returning words:");
String[] arr = str.split("t", 40);
for (String w : arr) {
System.out.println(w+"t");
}
System.out.println("Split array length: "+arr.length);
System.out.println("method 2");
System.out.println(str.replaceAll("t", "\n"+"t"));
}
下面是一个基于上面一些代码的groovy版本，以防有用。不管怎样，它很短。有条件地包括头部和尾部(如果它们不是空的)。最后一部分是演示/测试用例。
List splitWithTokens(str, pat) {
def tokens=[]
def lastMatch=0
def m = str=~pat
while (m.find()) {
if (m.start() > 0) tokens << str[lastMatch..<m.start()]
tokens << m.group()
lastMatch=m.end()
}
if (lastMatch < str.length()) tokens << str[lastMatch..<str.length()]
tokens
}
[['<html><head><title>this is the title</title></head>',/<[^>]+>/],
['before<html><head><title>this is the title</title></head>after',/<[^>]+>/]
].each {
println splitWithTokens(*it)
}
这里有一个简单干净的实现，它与Pattern#split一致，并且适用于变长模式，后面的查看不支持，而且更容易使用。它类似于@cletus提供的解决方案。
public static String[] split(CharSequence input, String pattern) {
return split(input, Pattern.compile(pattern));
}
public static String[] split(CharSequence input, Pattern pattern) {
Matcher matcher = pattern.matcher(input);
int start = 0;
List<String> result = new ArrayList<>();
while (matcher.find()) {
result.add(input.subSequence(start, matcher.start()).toString());
result.add(matcher.group());
start = matcher.end();
}
if (start != input.length()) result.add(input.subSequence(start, input.length()).toString());
return result.toArray(new String[0]);
}
我在这里不做空检查，Pattern#split没有，为什么要我。我不喜欢结尾的if，但它是需要与Pattern#split保持一致的。否则，我将无条件地追加，如果输入字符串以模式结束，则结果的最后一个元素将是空字符串。
我转换为字符串[]与模式#分裂的一致性，我使用新字符串[0]而不是新字符串[result.size()]，看看这里为什么。
以下是我的测试:
@Test
public void splitsVariableLengthPattern() {
String[] result = Split.split("/foo/$bar/bas", "\\$\\w+");
Assert.assertArrayEquals(new String[] { "/foo/", "$bar", "/bas" }, result);
}
@Test
public void splitsEndingWithPattern() {
String[] result = Split.split("/foo/$bar", "\\$\\w+");
Assert.assertArrayEquals(new String[] { "/foo/", "$bar" }, result);
}
@Test
public void splitsStartingWithPattern() {
String[] result = Split.split("$foo/bar", "\\$\\w+");
Assert.assertArrayEquals(new String[] { "", "$foo", "/bar" }, result);
}
@Test
public void splitsNoMatchesPattern() {
String[] result = Split.split("/foo/bar", "\\$\\w+");
Assert.assertArrayEquals(new String[] { "/foo/bar" }, result);
}
