Java Regex：基于除撇号以外的非单词字符进行拆分答案

【问题标题】：Java Regex: Split based on non-word characters except for apostropheJava Regex：基于除撇号以外的非单词字符进行拆分
【发布时间】：2016-09-19 17:15:28
【问题描述】：

我正在尝试根据空格和非单词字符进行拆分和包含，撇号除外。

我已经能够根据空格和非单词字符对其进行拆分和包含，但我似乎无法弄清楚如何从非单词字符中排除撇号。

这是我当前的正则表达式...

str.split("\\s|(?=\\W)");

...在此代码示例上运行时：

program p;
begin
    write('x');
end.

...产生这个结果：

program
p
;
begin

write
(
'x   <!-- This is the problem.
'
)
;
end
.

这几乎是正确的，但我的目标是跳过撇号，结果如下：

program
p
;
begin

write
(
'x'   <!-- This is the wanted result.
)
;
end
.

更新

按照建议我已经尝试过：

str.split("\\s|(?=\\W)(?<=\\W)");

这几乎可以工作，但不能正确拆分所有特殊字符：

program
p;
begin
write(
'x'
)
;
end.

【问题讨论】：

这对你有用吗：([^\\w']+)
Java support character class subtraction 吗？如果确实如此，可能对您的情况有所帮助。
@Toto Hmm 使撇号工作，但它不包括其他特殊字符：program mini begin write 'x' end
我似乎不知道如何从非单词字符中排除撇号。试试[\w&&[^']]

标签： java regex

【解决方案1】：

你试过了吗……

[^\w']

这将匹配任何既不是单词字符也不是撇号的字符。根据您的输入，工作可能足够简单。

如果您使用[^\w'] 作为您的正则表达式和\n\1\n 作为您的替换字符串运行替换操作，它应该让您接近您想要的位置。

【讨论】：

这是说匹配所有不是单词字符而不是撇号...[^\w]和@之间有区别987654327@。请重新考虑您的反对意见。 Reference this 与 this.

【解决方案2】：

你可以分开。

\s|('[^']*')|(?=\W)

查看演示。

https://regex101.com/r/mL7eL6/1

【讨论】：

这在 Regex101 中效果很好，但我不确定如何在 Java 中添加 '\n$1' 替换以使其正确显示。
@DarkKnight 在 python 中拆分时...捕获的组自动出现...在 java 中不确定
@DarkKnight 你试过了吗。就分开吧
我不确定如何用 Java 替换捕获的组 - 它看起来不像是“拆分”方法的选项。
@DarkKnight 你可以使用这个肮脏的修复\s+|(?=[^\w'])|(?='[^']*')...查看演示。regex101.com/r/mL7eL6/2

【解决方案3】：

单独处理撇号并要求前面的非单词：

str.split("\\s+|(?=[^\\w'])|(?<=\\W)(?=')");

见live demo。

【讨论】：

嗯 - 这会拆分一些特殊字符，但不是全部：program mini;开始写（'x'）；结束。

【解决方案4】：

作为替代方法，可以扫描字符串以查找 \b[\w']+\b

【讨论】：