如何使用正则表达式将字符串分成 n 个单词分组的部分并拆分？答案

【问题标题】：How do I break a string into sections of n word groupings using regex and split?如何使用正则表达式将字符串分成 n 个单词分组的部分并拆分？
【发布时间】：2018-07-21 20:27:49
【问题描述】：

我正在开发抄袭检测软件的一部分，需要使用正则表达式和拆分方法将字符串拆分为单词子组。

假设我们有以下字符串，并希望将其分成三个单词。在这种情况下 split(regex) 应该在每三个空格之后分割句子。

样本数据： "It is a long established fact that"
样本输出： "It is a", "long established fact"

这是代码的简化版本，包括我正在处理的部分。我设法在每两个词之后拆分，但在 n=3 时无法拆分。

public class String {
    public void Splitter(String string){
    //string:"It is a long established fact that"
    String[] splitString =string.split("(?<!\\G\\S+)\\s");
    }
}

以上代码的输出如下：

splitString[0] = "It is"
splitString[1] = "a long"
splitString[2] = "established fact"

然后我想出了这个正则表达式(?<=\\G\\s{2})\\s“如果前面还有两个空格，则匹配每个空格。”并期望输出为"It is a", "long established fact"，但数组为空。

这是我刚刚构建的另一个正则表达式：("(?<=(^|\\G)\\S*\\s\\S*\\s\\S*)\\s") 它几乎可以完成这项工作。唯一的问题是，如果句子中的单词总数不能被 n 整除，那么最后一组单词可以包含少于 n 个单词，splitString[3] = "that"

【问题讨论】：

我宁愿用 whitechar 拆分所有内容并从中形成所需的组
(?<=\s+\S+\s+\S+)\s 但它是可变长度的后视。您应该使用 \s*(\S+\s+\S+\s+\S+)(?=\s|$)|.+ 匹配所有内容，这将匹配字符串的每个部分。
见this Java demo。
@Antoniossss 我也这么认为。但我宁愿使用 split(regex) 代替。
@sln 我尝试了你对正则表达式的两个建议，但第一个返回了相同的字符串，第二个返回了一个空的字符串数组。

标签： java regex split

【解决方案1】：

你不能使用 split 函数，split 方法将这个字符串拆分为给定正则表达式的匹配项，并且你没有 de 分隔符的条件，你有一个字符串在 de 分隔符之间的条件 "\S \s+\S\s+\S"，你的方法不对。

如果您需要为此使用正则表达式，请使用 Pattern 和 Matcher 类。

import java.util.regex.Matcher;
import java.util.regex.Pattern;
public static void main(String[] args) {
    // TODO Auto-generated method stub
     Pattern p = Pattern.compile("\\S+\\s+\\S+\\s+\\S+\\s*|\\S+\\s*$|\\S+\\s+\\S+\\s*$");
     Matcher m = p.matcher("It is a long established fact that");
     String palabras=null;
     do {
        try {
            m.find(); 
            palabras = m.group();
            System.out.println(palabras);
        } catch(IllegalStateException E) {
            break;
        }
     } while(null != palabras && "" != palabras);
}

输出：

It is a 
long established fact
that

“n”字具有相同路径的通用正则表达式，其中 3 是您的 n，2 是您的 n-1。

"(\\S+\\s+){3}\\s*|(\\S+\\s*){1,2}$"

替换之前的代码：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTestPalabra {

    public static void main(String[] args) {
         int n = 3;
         String regexPat = String.format("(\\S+\\s+){%d}\\s*|(\\S+\\s*){1,%d}$", n,n-1);

         Pattern p = Pattern.compile(regexPat);
         Matcher m = p.matcher("It is a long established fact that is ");
         String palabras=null;
         do{
            try{
            m.find(); 
            palabras = m.group();
            System.out.println(palabras);
            }catch(IllegalStateException E){
                break;
            }
         }while(null != palabras && "" != palabras);

    }

}

【讨论】：

【解决方案2】：

如果你想改变它。这只是一个示例，您可以如何将 String 语句分解为单独的单词，这些单词将存储在 ArrayList 中。

import java.util.ArrayList;
import java.util.List;

public class Main {
private static String word="";
private static int readerStoppedAt=0;
private static int h;
private static List<String> strings = new ArrayList<>();

public static void main(String[] args) {
      String text;

    //try one of those Strings:
    //text="Hello there, it's just a casual test!";
    //text="It works!!%%%!!||#@|''#'@ Symbols are not a problem";
    text="Good game, well played! Future changes are not necessary!";

    String text2=removeSymbols(text);
    for(int i=0; i<text2.length();i++){
        h=i; //h=where main cycle is currently at
        char c=text2.charAt(i);
        String str=c+"";
        if(str.equals(" ")){
            check(text2, 0);
        }else if(i+1==text2.length()){
            check(text2, 1);
        }
    }
    for (String string : strings) {
        System.out.println(string);
    }
}

private static String removeSymbols(String text) {
    //You can add some symbols if you want
   text=text.replace("!","");
   text=text.replace(",","");
   text=text.replace("@","");
   text=text.replace("#","");
   text=text.replace("|","");
   text=text.replace("''","");
   text=text.replace("'","");
   text=text.replace("%","");
    text=text.replace(":","");
    text=text.replace("(","");
    text=text.replace(")","");
    text=text.replace("{","");
    text=text.replace("}","");
    return text;
}

private static void check(String text, int inc) {
    for(int j=readerStoppedAt;j<h+inc;j++){
        char temp = text.charAt(j);
        String tempStr= temp +"";
        if(!tempStr.equals(" ")){
            word=word+ temp;
        }
    }
    readerStoppedAt=h;
    strings.add(word);
    word="";
}

}

【讨论】：