使用拆分提取重叠匹配答案

【问题标题】：Extract overlapping matches using split使用拆分提取重叠匹配
【发布时间】：2012-12-26 18:46:28
【问题描述】：

如何使用 String.split() 从输入中提取重叠匹配项？

例如，如果尝试查找与 "aba" 的匹配项：

String input = "abababa";
String[] parts = input.split(???);

预期输出：

[aba, aba, aba]

【问题讨论】：

您确定不是[ ababa, ababa ] 还是只能重叠一个字符？无论如何，我怀疑你不能用正则表达式来做到这一点。出于兴趣，你为什么要这样做？你会如何拆分cababa？
您确定split 是您想要的吗？听起来您更像是在尝试 find 匹配。
@PeterLawrey 编辑问题以使其更加清晰。很抱歉没有在问题中添加受追捧的匹配项。

标签： java regex split

【解决方案1】：

String#split 不会给你重叠匹配。因为字符串的特定部分，只会包含在获得的数组的唯一索引中，而不包含在两个索引中。

您应该在这里使用Pattern 和Matcher 类。你可以使用这个正则表达式：-

Pattern pattern = Pattern.compile("(?=(aba))");

并使用Matcher#find方法获取所有重叠匹配，并打印group(1)。

上面的正则表达式匹配每个空字符串，然后是aba，然后只打印第一个捕获的组。现在由于look-ahead 是零宽度 断言，所以它不会消耗匹配的字符串。因此，您将获得所有重叠的匹配项。

String input = "abababa";
String patternToFind = "aba";

Pattern pattern = Pattern.compile("(?=" + patternToFind + ")");
Matcher matcher = pattern.matcher(input);

while (matcher.find()) {
    System.out.println(patternToFind + " found at index: " + matcher.start());
}

输出：-

aba found at index: 0
aba found at index: 2
aba found at index: 4

【讨论】：

您为什么要创建一个群组？像往常一样，您使用的代码/复杂性过多。这是给您的挑战：如果您消除组并简化代码，我会接受这个答案。
@Bohemian。您可以删除该组，然后打印aba 而不是group 1。该组只不过是您匹配的模式。你知道的。
@Bohemian.. 你去吧。编辑删除组。
@Bohemian.. 我不得不这么说，但你不使用capture group 的理由并不那么强大。如果没有 Capture 组，Regex 的一半功能就会丢失。在此示例中不需要它，也不能证明它根本不需要。例如，假设我说你要找出所有数字后跟#，以及此字符串中# 之后的字符-"asf234#afl234#sdf"，你将如何实现这一目标？当您想根据某种模式提取目标字符串的某些部分时，捕获组是必需的。
像上面的例子一样，你只需使用模式 - (\d)#(.)，然后提取两个捕获组。就人类可读性而言，我认为这根本不会受到影响。阅读捕获组不是什么，必须如此强调。这在正则表达式中很常见。

【解决方案2】：

我会使用 indexOf。

for(int i = text.indexOf(find); i >= 0; i = text.indexOf(find, i + 1))
   System.out.println(find + " found at " + i);

【讨论】：

我真的很喜欢简洁，但我想要一个基于正则表达式的解决方案。这可以修改为使用正则表达式来查找模式吗？
您可以使用 Rohit Jain 的解决方案。

【解决方案3】：

这不是split() 的正确用法。来自javadocs：

围绕给定正则表达式的匹配拆分此字符串。

在我看来，您不是在尝试拆分字符串，而是在字符串中查找正则表达式的所有匹配项。为此，您必须使用Matcher，以及一些在Matcher 上循环的额外代码来查找所有匹配项，然后创建数组。

【讨论】：

正则表达式需要一些技巧才能与 Matcher 一起使用（零宽度环视）。