我有一个多行字符串，由一组不同的分隔符分隔:
(Text1)(DelimiterA)(Text2)(DelimiterC)(Text3)(DelimiterB)(Text4)
我可以使用string将这个字符串分割成各个部分。分裂，但似乎我无法获得与分隔符正则表达式匹配的实际字符串。
换句话说，这就是我得到的结果:
Text1 Text2 Text3 Text4
这就是我想要的
Text1 DelimiterA Text2 DelimiterC Text3 DelimiterB Text4
JDK中是否有任何方法可以使用分隔符正则表达式分割字符串，但同时保留分隔符?
当前回答
下面是一个基于上面一些代码的groovy版本，以防有用。不管怎样，它很短。有条件地包括头部和尾部(如果它们不是空的)。最后一部分是演示/测试用例。
List splitWithTokens(str, pat) {
def tokens=[]
def lastMatch=0
def m = str=~pat
while (m.find()) {
if (m.start() > 0) tokens << str[lastMatch..<m.start()]
tokens << m.group()
lastMatch=m.end()
}
if (lastMatch < str.length()) tokens << str[lastMatch..<str.length()]
tokens
}
[['<html><head><title>this is the title</title></head>',/<[^>]+>/],
['before<html><head><title>this is the title</title></head>after',/<[^>]+>/]
].each {
println splitWithTokens(*it)
}
其他回答
如果负担得起，可以使用Java的replace(CharSequence target, CharSequence replacement)方法，并填充另一个分隔符以进行分割。 例子: 我想拆分字符串“boo:and:foo”，并将“:”放在它的右边。
String str = "boo:and:foo";
str = str.replace(":","newdelimiter:");
String[] tokens = str.split("newdelimiter");
重要提示:这只在你的字符串中没有进一步的“newdelimiter”时才有效!因此，这不是一个通解。 但是如果你知道一个CharSequence，你可以确定它永远不会出现在String中，这是一个非常简单的解决方案。
一个不涉及regex的非常简单的解决方案是在分隔符上执行字符串替换(假设分隔符为逗号):
string.replace(FullString, "," , "~,~")
在这里，您可以用适当的惟一分隔符替换tilda(~)。
然后，如果您对新的分隔符进行拆分，那么我相信您将得到所需的结果。
这里有一个简单干净的实现，它与Pattern#split一致，并且适用于变长模式，后面的查看不支持，而且更容易使用。它类似于@cletus提供的解决方案。
public static String[] split(CharSequence input, String pattern) {
return split(input, Pattern.compile(pattern));
}
public static String[] split(CharSequence input, Pattern pattern) {
Matcher matcher = pattern.matcher(input);
int start = 0;
List<String> result = new ArrayList<>();
while (matcher.find()) {
result.add(input.subSequence(start, matcher.start()).toString());
result.add(matcher.group());
start = matcher.end();
}
if (start != input.length()) result.add(input.subSequence(start, input.length()).toString());
return result.toArray(new String[0]);
}
我在这里不做空检查，Pattern#split没有，为什么要我。我不喜欢结尾的if，但它是需要与Pattern#split保持一致的。否则，我将无条件地追加，如果输入字符串以模式结束，则结果的最后一个元素将是空字符串。
我转换为字符串[]与模式#分裂的一致性，我使用新字符串[0]而不是新字符串[result.size()]，看看这里为什么。
以下是我的测试:
@Test
public void splitsVariableLengthPattern() {
String[] result = Split.split("/foo/$bar/bas", "\\$\\w+");
Assert.assertArrayEquals(new String[] { "/foo/", "$bar", "/bas" }, result);
}
@Test
public void splitsEndingWithPattern() {
String[] result = Split.split("/foo/$bar", "\\$\\w+");
Assert.assertArrayEquals(new String[] { "/foo/", "$bar" }, result);
}
@Test
public void splitsStartingWithPattern() {
String[] result = Split.split("$foo/bar", "\\$\\w+");
Assert.assertArrayEquals(new String[] { "", "$foo", "/bar" }, result);
}
@Test
public void splitsNoMatchesPattern() {
String[] result = Split.split("/foo/bar", "\\$\\w+");
Assert.assertArrayEquals(new String[] { "/foo/bar" }, result);
}
您可以使用前向和后向，这是正则表达式的特性。
System.out.println(Arrays.toString("a;b;c;d".split("(?<=;)")));
System.out.println(Arrays.toString("a;b;c;d".split("(?=;)")));
System.out.println(Arrays.toString("a;b;c;d".split("((?<=;)|(?=;))")));
你会得到:
[a;, b;, c;, d]
[a, ;b, ;c, ;d]
[a, ;, b, ;, c, ;, d]
最后一个是你想要的。
(?<=;)|(?=;))等于在前面选择一个空字符;或之后;。
编辑:Fabian Steeg关于可读性的评论是有效的。可读性一直是正则表达式的一个问题。为了使正则表达式更具可读性，我做的一件事是创建一个变量，其名称表示正则表达式的功能。您甚至可以放置占位符(例如%1$s)并使用Java的String。Format将占位符替换为您需要使用的实际字符串;例如:
static public final String WITH_DELIMITER = "((?<=%1$s)|(?=%1$s))";
public void someMethod() {
final String[] aEach = "a;b;c;d".split(String.format(WITH_DELIMITER, ";"));
...
}
我知道这是一个非常非常古老的问题，答案也被接受了。但我仍然想对最初的问题提出一个非常简单的答案。考虑下面的代码:
String str = "Hello-World:How\nAre You&doing";
inputs = str.split("(?!^)\\b");
for (int i=0; i<inputs.length; i++) {
System.out.println("a[" + i + "] = \"" + inputs[i] + '"');
}
输出:
a[0] = "Hello"
a[1] = "-"
a[2] = "World"
a[3] = ":"
a[4] = "How"
a[5] = "
"
a[6] = "Are"
a[7] = " "
a[8] = "You"
a[9] = "&"
a[10] = "doing"
我只是使用单词边界\b来分隔单词，除非它是文本的开始。
