在 \b 上拆分字符串，但不在子字符串之间的 \b 上拆分字符串

Question

如何将字符串拆分为单词，但保留某些短语/术语？现在，我有String[] strarr = str.split("\\b");，但我想修改正则表达式参数来完成上面提到的。 解决方案不必包含正则表达式

例如，如果 str 等于 "The city of San Francisco is truly beautiful!" 并且术语是 "San Francisco"，如何拆分 str 以使生成的 String[] 数组看起来像这样：["The", "city", "of", "San Francisco", "is", "truly", "beautiful!"]？

---

在看到@Radiodef 的评论后，我决定我本身并不需要正则表达式。如果有人可以帮助我解决这个问题，仍然非常感谢帮助！

Answer 1

嗯，这是一个非常有趣的问题。我的方法是编写一个通用方法，通过返回一个简单的字符串数组来帮助检测任意数量的单词短语。

Here is a demo

下面是方法，

 String[] find(String m[], String c[], String catchStr){

    String comp = c[0];
    ArrayList<String> list = new ArrayList<String>();
    for(int i=0;i<m.length;i++){

        boolean flag = false;

        //comparing if the substring matches or not
        if(comp.equals(m[i])){
            flag = true;
            for(int j=0;j<c.length;j++){
                //you can use equalsIgnoreCase() if you want to compare the string 
                //ignoring the case
                if(!m[i+j].equals(c[j])){
                    flag = false;
                    break;
                }
            }

        }

        if(flag){
            list.add(catchStr);
            i = i + c.length-1;
        }else{
            list.add(m[i]);
        }

    }

    //converting result into String array
    String finalArr[] = list.toArray(new String[list.size()]);

    return finalArr;

}

你可以把这个函数称为，

String mainStr = "The city of San Francisco is truly beautiful!";
String catchStr = "San Francisco";
String mainStrArr[] = mainStr.split(" ");
String catchStrArr[] = catchStr.split(" ");

String finalArr[] = find(mainStrArr, catchStrArr, catchStr);

Answer 2

如果旧金山是唯一的例外，那么这可行

    String[] a = str.split("(?<!San)\\s+(?!Francisco)");

我能找到的多个排除的最短解决方案是这个

    String str = "The city of San Francisco is truly beautiful!";
    String[] exclusions = { "San Francisco", "Los Angeles" };
    List<String> l = new ArrayList<>();
    Matcher m = Pattern.compile("\\w+").matcher(str);
    while (m.find()) {
        l.add(m.group());
        for (String ex : exclusions) {
            if (str.regionMatches(m.start(), ex, 0, ex.length())) {
                l.set(l.size() - 1, ex);
                m.find();
                break;
            }
        }
    }
    System.out.println(l);

Answer 3

找到要排除的子字符串，然后暂时删除其中的空格。一旦整个字符串已经被分割，找到之前编辑的子字符串，然后用原来的替换它来恢复它的空格。

    // let's say:
    // whole = "The city of San Francisco is truly beautiful!",
    // token = "San Francisco"

    public static String[] excludeString(String whole, String token) {

        // replaces token string "San Francisco" with "SanFrancisco"
        whole = whole.replaceAll(token, token.replaceAll("\\s+", ""));

        // splits whole string using space as delimiter, place tokens in a string array
        String[] strarr = whole.split("\\s+");

        // brings "SanFrancisco" back to "San Francisco" in strarr
        Collections.replaceAll(Arrays.asList(strarr), token.replaceAll("\\s+", ""), token);

        // returns the array of strings
        return strarr;
    }

示例用法：

    public static void main(String[] args) {

        String[] arr = excludeString("The city of San Francisco is truly beautiful!", "San Francisco");
        System.out.println(Arrays.asList(arr));

    }

假设你的字符串是："The city of San Francisco is truly beautiful!"

结果将是： [The, city, of, San Francisco, is, truly, beautiful!]

Answer 4

我知道发布的答案更好，但由于我对此几乎没有挣扎，我也想分享正则表达式答案。

因此，通过使用捕获组来实现此目的的一种可能的正则表达式方法是使用此正则表达式：

([A-Z][a-z]*(?:\s?[A-Z][a-z]+)*|[a-z!]+)

Working demo

比赛信息

MATCH 1
1.  [0-3]   `The`
MATCH 2
1.  [4-8]   `city`
MATCH 3
1.  [9-11]  `of`
MATCH 4
1.  [12-25] `San Francisco`
MATCH 5
1.  [26-28] `is`
MATCH 6
1.  [29-34] `truly`
MATCH 7
1.  [35-44] `beautiful!`

Java 代码

String line = "The city of San Francisco is truly beautiful!";
Pattern pattern = Pattern.compile("([A-Z][a-z]*(?:\\s?[A-Z][a-z]+)*|[a-z!]+)");
Matcher matcher = pattern.matcher(line);

while (matcher.find()) {
    System.out.println("Result: " + matcher.group(1));
}