RegEx 按空格将字符串拆分为单词并包含字符答案

【问题标题】：RegEx split string into words by space and containing charsRegEx 按空格将字符串拆分为单词并包含字符
【发布时间】：2018-02-13 21:08:43
【问题描述】：

如何使用Regex.Split(input, pattern) 方法执行这种拆分？

This is a [normal string ] made up of # different types # of characters

字符串数组输出：

1. This 
2. is
3. a
4. [normal string ]
5. made
6. up
7. of
8. # different types #
9. of
10. characters

它还应该保留前导空格，所以我想保留所有内容。一个字符串包含 20 个字符，字符串数组应包含所有元素的 20 个字符。

我尝试过的：

Regex.Split(text, @"(?<=[ ]|# #)")

Regex.Split(text, @"(?<=[ ])(?<=# #")

【问题讨论】：

如果有未配对的特殊字符怎么办？ “这个[字符串”应该如何拆分？
我不知道这是否能解决您的问题，但您的两个示例的问题是，在第一个 [ ]|# # 中，只有 ]|# 上的 or 而第二个中的两个拆分彼此之后。 [ 也是一个特殊字符。您正在寻找像 (?<=(\[ \])|(# #)) 这样的东西，尽管 (?<=[\[#] [\]#]) 可能更好。

标签： c# regex

【解决方案1】：

我建议匹配，即提取单词，而不是拆分：

string source = @"This is a [normal string ] made up of # different types # of characters";

// Three possibilities:
//   - plain word [A-Za-z]+
//   - # ... # quotation
//   - [ ... ] quotation  
string pattern = @"[A-Za-z]+|(#.*?#)|(\[.*?\])";

var words = Regex
  .Matches(source, pattern)
  .OfType<Match>()
  .Select(match => match.Value)
  .ToArray();

Console.WriteLine(string.Join(Environment.NewLine, words
  .Select((w, i) => $"{i + 1}. {w}")));

结果：

1. This
2. is
3. a
4. [normal string ]
5. made
6. up
7. of
8. # different types #
9. of
10. characters

【讨论】：

【解决方案2】：

你可以使用

var res = Regex.Split(s, @"(\[[^][]*]|#[^#]*#)|\s+")
    .Where(x => !string.IsNullOrEmpty(x));

见regex demo

(\[[^][]*]|#[^#]*#) 部分是一个捕获组，其值与拆分项一起输出到结果列表。

模式详情

(\[[^][]*]|#[^#]*#) - 第 1 组：两种模式之一：
- \[[^][]*] - [，后跟除 [ 和 ] 之外的 0+ 个字符，然后是 ]
- #[^#]*# - #，然后是除 # 之外的 0+ 个字符，然后是 #
| - 或
\s+ - 1+ 个空格

C# demo:

var s = "This is a [normal string ] made up of # different types # of characters";
var results = Regex.Split(s, @"(\[[^][]*]|#[^#]*#)|\s+")
    .Where(x => !string.IsNullOrEmpty(x));
Console.WriteLine(string.Join("\n", results));

结果：

This
is
a
[normal string ]
made
up
of
# different types #
of
characters

【讨论】：

【解决方案3】：

使用匹配方法会更容易，但是 it can be done 使用负前瞻：

[ ](?![^\]\[]*\])(?![^#]*\#([^#]*\#{2})*[^#]*$)

匹配后面没有的空格

除[ 或] 后跟] 之外的任何字符序列
# 后跟偶数个 #

【讨论】：