Java - 正则表达式拆分输入文本但保留分隔符[重复]

Posted 2023-02-26

【中文标题】Java - 正则表达式拆分输入文本但保留分隔符[重复]

【英文标题】：Java - Regex to split input text but keep delimiters [duplicate]

【发布时间】：2013-03-30 13:23:52

【问题描述】：

寻找一些正则表达式帮助。我正在寻找一种 Java 中的方法来按单词拆分一些输入文本，同时保留分隔符（空格、标点符号）。另一种说法是将单词拆分为它们自己的索引，其他非单词字符可以在数组的其他索引中。

这个输入文本：

"Hello, this isn't working!"

应该像这样放入一个数组中：

"Hello", ",", "this", "isn't", "working", "!"

或

"Hello", ", ", "this", " ", "isn't", " ", "working", "!"

我在 Python 中使用它完成了基本相同的事情：

def split_input(string):
    return re.findall(r"[\w']+|[\s.,!?;:-]", string)

但我还没有找到用 Java 完成同样事情的方法。我已经尝试过 String.split() 的前瞻/后视，我也尝试过模式匹配器，但运气不佳。

任何帮助将不胜感激！

【问题讨论】：

如果空格是分隔符，那么您的文本应该至少包含 4 个元素，不是吗？

为什么你想要一个数组，而你只有一个字符串？

【参考方案1】：

split 不是 Python 的 findall 的 Java 模拟。 Matcher.find 是。

Pattern stuff = Pattern.compile("[\\w']+|[\\s.,!?;:-]");
Matcher matcher = stuff.matcher("Hello, this isn't working!");
List<String> matchList = new ArrayList<String>();
while (matcher.find()) 
    matchList.add(matcher.group(0)); // add match to the list

【讨论】：

啊，我确实尝试过使用 Matcher，但没有走得太远。不过，这似乎做得很好，谢谢！

这非常有用，谢谢

【参考方案2】：

试试这个：这正是你想要的。

public static void main(String[] args) 
    String str = "Hello, this isn't working!";
    String[] s = str.split("(?<=\\s+|,\\s)");
    System.out.println(Arrays.toString(s));

输出：

[Hello, , this , isn't , working!]

【参考方案3】：

所以，抛开你奇怪的例子不谈，这里有一些东西应该适合你的需要（还有待测试）：

"(?=[\\w']+|[\\s.,!?;:-])"

对于第一个版本。

"(?=[\\w']+|[\\s.,!?;:-]+)"

将多个分隔符保留为一个整体。

整个想法是，当您想要拆分但保留所有字符时，只匹配位置。

【参考方案4】：

也许不是最好的方法，但你可以试试：

string.replaceAll("([\\s.,!?;:-])", "$1\n");
string.split("\n");