Java中的Python拆分语义答案

【问题标题】：Python split semantics in JavaJava中的Python拆分语义
【发布时间】：2012-04-22 05:23:34
【问题描述】：

当我在python中拆分字符串时，相邻的空格分隔符被合并：

>>> str = "hi              there"
>>> str.split()
['hi', 'there']

在 Java 中，分隔符不合并：

$ cat Split.java
class Split {
    public static void main(String args[]) {
        String str = "hi              there";
        String result = "";
        for (String tok : str.split(" "))
            result += tok + ",";
        System.out.println(result);
    }
}
$ javac Split.java ; java Split
hi,,,,,,,,,,,,,,there,

有没有一种直接的方法可以在 java 中获取 python 空间分割语义？

【问题讨论】：

标签： java python regex split spaces

【解决方案1】：

String.split 接受正则表达式，因此请提供一个匹配相邻空格的正则表达式：

str.split("\\s+")

如果您想模拟 Python 的 str.split() 的确切行为，您还需要修剪：

str.trim().split("\\s+")

引用自Python docs on str.split()：

如果 sep 未指定或为 None，则应用不同的分割算法：连续运行的空白被视为单个分隔符，结果将包含 no如果字符串具有前导或尾随空格，则在开头或结尾处为空字符串。因此，使用 None 分隔符拆分空字符串或仅包含空格的字符串会返回 []。

所以上面的内容仍然不是完全等价的，因为它会为空字符串返回['']，但对于您的目的来说可能没问题:)

【讨论】：

谢谢。我很难弄清楚文档中正则表达式的语法：docs.oracle.com/javase/6/docs/api/java/lang/…
@Andrew：了解正则表达式的更好地方是regular-expressions.info :)
这不是一般的正则表达式，而是 Java 中的正则表达式让我感到困惑。我一直在尝试“*”，但失败得很惨。
@Andrew：这实际上是一个正则表达式问题，因为该模式匹配空字符串。在我知道的每个正则表达式实现中，对空字符串进行拆分会为您提供所有字符作为单独的匹配项:)
阅读 en.wikipedia.org/wiki/Regular_expression，似乎 Java 使用 Perl 风格的 RE，而大多数 UNIX 实用程序使用 POSIX RE。

【解决方案2】：

在 java 中，String.split 采用正则表达式。所以你可以通过str.split(" +") 来获取python语义。

【讨论】：

不，这对于像foo\tbar这样的字符串不太一样
@NiklasB。好的我明白了。 OP要求拆分（）而不是拆分（''）
好吧，这个问题专门询问了“空格分隔符”和“空格分割语义”，而不是“空格分隔符”或“空格分割语义”，所以在过于迂腐的意义上，空格 cmets 是奖金不是原始问题的一部分。

【解决方案3】：

请改用str.split("\\s+")。这将满足您的需求。

【讨论】：

【解决方案4】：

Java 使用 Regex 进行拆分。

所以在一个空格上分割绝对会给你很多数组元素。

Python 拆分、ltrims 和 rtrims，然后在没有传递参数时将空格运行到单个空格中。

这样更合适

"my             string".trim().split("\\s+");

【讨论】：

不，这对于像foo\tbar这样的字符串不太一样
对，但那不是什么时候出现的:) 已经出现的是 foo bar。不是 foo\tbar。 :)
问的内容等同于 Python 中的 split()，而您的示例不是。
uhhh “如果可选的第二个参数 sep 不存在或无，空白字符的运行将被单个空格替换，并且前导和尾随空格被删除”很抱歉，让我们这样做。 rtrim、ltrim，然后是 "+" ;) 这正是上面所说的。
Mike：对，没有考虑修剪部分。不过，空格不仅仅包含空格字符 (ASCII 0x20)

【解决方案5】：

Niklas B. 的答案的问题在于 trim 有自己的空白定义，即代码不超过 '\u0020' 的任何内容。以下内容应该足够接近 Python 版本，包括对空字符串的修复：

class TestSplit {

    private static final String[] EMPTY = {};

    private static String[] pySplit(String s) {
        s = s.replaceAll("^\\s+", "").replaceAll("\\s+$", "");
        if (s.isEmpty()) return EMPTY;
        return s.split("\\s+");
    }
}

【讨论】：