拆分字符串并保留字符（正则表达式模式）答案

【问题标题】：splitting string and keep characters (regex pattern)拆分字符串并保留字符（正则表达式模式）
【发布时间】：2015-10-07 20:05:16
【问题描述】：

我想拆分一个字符串并对正则表达式模式感到绝望。

我需要将这样的字符串：Hi I want "to split" this (String) 拆分为这样的字符串数组：

String [] array = {"Hi", "I", "want", """, "to", "split", """, "this", "(", "string", ")"};

这是我尝试过的，但它删除了分隔符。

public static void main(String[] args) {

    String string = "Hi \"why should\" (this work)";

    String[] array;
    array = string.split("\\s"
            + "|\\s(?=\")"
            + "|\\w(?=\")"
            + "|\"(?=\\w)"
            + "|\\s(?=\\()"
            + "|\\w(?=\\))"
            + "|\\((?=\\w)");

    for (String str : array) {
        System.out.println(str);
    }
}

结果：

Hi

why
shoul
"

this
wor
)

【问题讨论】：

到目前为止你尝试了什么？请给我们一些代码。
是的，应该是java
@d_amiD 你可以修复Hi,I,want,",to,split,",this,(,string,) 这不好
所以你想在每个空格、每个特殊字符上拆分它？你想存储特殊字符，而不是空格？
@Emz 是的。我想到了一些带有前瞻的东西，但这对于保留特殊字符不起作用

标签： java regex string split

【解决方案1】：

您可以将标记与正则表达式 \w+|[\w\s] 匹配，假设您希望标点符号以不同的标记结束：

String input = "Hi I want \"to split\" this (String).";

Matcher matcher = Pattern.compile("\\w+|[^\\w\\s]").matcher(input);
List<String> out = new ArrayList<>();

while (matcher.find()) {
    out.add(matcher.group());
}

输出的 ArrayList 包含：

[Hi, I, want, ", to, split, ", this, (, String, ), .]

您可能希望使用(?U) 标志使\w 和\s 遵循单词和空白字符的Unicode 定义。默认情况下，\w 和 \s 仅识别 ASCII 范围内的单词和空白字符。

为了完整起见，这里是split() 中的解决方案，适用于Java 8 及更高版本。 Java 7 开头会有一个额外的空字符串。

String tokens[] = input.split("\\s+|(?<![\\w\\s])(?=\\w)|(?<=\\w)(?![\\w\\s])|(?<=[^\\w\\s])(?=[^\\w\\s])");

正则表达式相当复杂，因为空字符串在标点字符和单词字符之间分割需要避免已经被\s+分割的情况。

由于拆分解决方案中的正则表达式相当混乱，请改用匹配解决方案。

【讨论】：

【解决方案2】：

你想用什么语言写这个？

您可以编写如下的正则表达式组：(.+)(\s)

这将匹配任意数量的字符，后跟一个空格

【讨论】：

它应该在 java 中。但第一个 " 和 ( 后跟一个字符。