在 Java 中通过 XML 标记拆分字符串答案

【问题标题】：Split String by XML tags in Java在 Java 中通过 XML 标记拆分字符串
【发布时间】：2014-04-16 22:37:37
【问题描述】：

我想在 Java 中编写一个通过 XML 标记拆分字符串的方法，如下所示：

"Lorem ipsum <b>dolor</b> sit amet consetetur <b>diam</b> nonumy."

应该返回数组：

["Lorem ipsum ", "<b>dolor</b>", " sit amet consetetur ", "<b>diam</b>", " nonumy."]

这应该适用于每个 XML 标记，也适用于 <element /> 等自闭合标记。

是否有以简单方式执行类似操作的库？

谢谢！

【问题讨论】：

标签： java xml regex xml-parsing

【解决方案1】：

在拆分中使用环视应该可以解决问题：

String splits[] = input.split("\\s+(?=<b>)|(?<=</b>)\\s+");

例子：

String input = "Lorem ipsum <b>dolor</b> sit amet consetetur <b>diam</b> nonumy.";
for(String s : input.split("\\s+(?=<b>)|(?<=</b>)\\s+")){
    System.out.println(s);
}

如果您想在您的 spitted 数组中保持空间完整，请从正则表达式中删除 \\s+。

【讨论】：

太棒了！作为后续问题：您知道我可以使用的每个 XML 标记的通用正则表达式吗？我不知道会出现哪些标签。正则表达式也应该匹配像<element/>这样的自闭标签和属性。
变量标签不能作为lookbehind(<=...)只支持固定长度。
我已经用(?=<mynamespace:.*?>)|(?<=</mynamespace:.{1,20}>)的间隔解决了这个问题。
好的，带有自闭标签的正则表达式如下所示：((?=<mynamespace:.*?>)|(?<=</mynamespace:.{1,20}>))|((?=<mynamespace:.*?)|(?<=/>)).