java正则表达式拆分字符串

Question

我有点难以想出用正则表达式来分解具有以下属性的字符串：

1. 由 | 分隔（管道）字符
2. 如果单个值包含管道，则使用 \（反斜杠）转义
3. 如果单个值以反斜杠结尾，则使用反斜杠转义

例如，这里有一些我想分解的字符串：

1. One|Two|Three 应该产生：["One", "Two", "Three"]
2. One\|Two\|Three 应该产生：["One|Two|Three"]
3. One\\|Two\|Three 应该产生：["One\", "Two|Three"]

现在我怎么能用一个正则表达式来拆分它？

更新：正如你们中的许多人已经建议的那样，这不是一个好的正则表达式应用程序。此外，正则表达式解决方案比仅迭代字符要慢几个数量级。我最终遍历了字符：

public static List<String> splitValues(String val) {
    final List<String> list = new ArrayList<String>();
    boolean esc = false;
    final StringBuilder sb = new StringBuilder(1024);
    final CharacterIterator it = new StringCharacterIterator(val);
    for(char c = it.first(); c != CharacterIterator.DONE; c = it.next()) {
        if(esc) {
            sb.append(c);
            esc = false;
        } else if(c == '\\') {
            esc = true;
        } else if(c == '|') {
            list.add(sb.toString());
            sb.delete(0, sb.length());
        } else {
            sb.append(c);
        }
    }
    if(sb.length() > 0) {
        list.add(sb.toString());
    }
    return list;
}

Answer 1

诀窍是不要使用split() 方法。这迫使您使用后向检测来检测转义字符，但是当转义本身被转义时（正如您所发现的那样），这将失败。您需要改用 find() 来匹配 tokens 而不是分隔符：

public static List<String> splitIt(String source)
{
  Pattern p = Pattern.compile("(?:[^|\\\\]|\\\\.)+");
  Matcher m = p.matcher(source);
  List<String> result = new ArrayList<String>();
  while (m.find())
  {
    result.add(m.group().replaceAll("\\\\(.)", "$1"));
  }
  return result;
}

public static void main(String[] args) throws Exception
{
  String[] test = { "One|Two|Three", 
                    "One\\|Two\\|Three", 
                    "One\\\\|Two\\|Three", 
                    "One\\\\\\|Two" };
  for (String s :test)
  {
    System.out.printf("%n%s%n%s%n", s, splitIt(s));
  }
}

输出：

One|Two|Three
[One, Two, Three]

One\|Two\|Three
[One|Two|Three]

One\\|Two\|Three
[One\, Two|Three]

One\\\|Two
[One\|Two]