理解 Java 中的正则表达式：split("\t") vs split("\\t") - 它们啥时候都可以工作，啥时候应该使用它们

Posted 2023-02-26

【中文标题】理解 Java 中的正则表达式：split("\\t") vs split("\\\\t") - 它们啥时候都可以工作，啥时候应该使用它们

【英文标题】：Understanding regex in Java: split("\t") vs split("\\t") - when do they both work, and when should they be used理解 Java 中的正则表达式：split("\t") vs split("\\t") - 它们什么时候都可以工作，什么时候应该使用它们

【发布时间】：2011-04-15 07:26:18

【问题描述】：

我最近发现我没有在我的代码中正确使用正则表达式。以制表符分隔字符串str 为例，我一直在使用str.split("\t")。现在我意识到这是错误的，为了正确匹配标签，我应该使用str.split("\\t")。

但是我碰巧偶然发现了这个事实，因为我正在寻找其他东西的正则表达式模式。你看，错误代码split("\t")在我的情况下一直工作得很好，现在我很困惑，如果声明一个匹配制表符的正则表达式是错误的方法，为什么它会起作用。因此，问题在于，为了真正了解 Java 中如何处理正则表达式，而不是仅仅将代码复制到 Eclipse 中而不真正关心它为什么工作......

以类似的方式，我遇到了一段文本，它不仅是制表符分隔的，而且是逗号分隔的。更清楚地说，我正在解析的制表符分隔列表有时包括“复合”项，如下所示：item1,item2,item3，为了简单起见，我想将它们解析为单独的元素。在这种情况下，适当的正则表达式应该是：line.split("[\\t,]")，或者我在这里也弄错了吗？

提前致谢，

【问题讨论】：

所以您的列表是制表符和逗号分隔的，但有时制表符不是分隔符？

嗯...不。它是一个以制表符分隔的标识符列表，但是在元素中，有一些由逗号分隔的 id.s 对/三元组。见：pathwaycommons.org/pc/…

这个问题和答案也相关且有帮助。检查他们 [***.com/questions/1635764/…

【参考方案1】：

\ 被认为是 java 中的转义字符，因此要获得正确的正则表达式，您需要使用 \ 转义 \ 和 t 以指示选项卡。

This 教程将帮助更多

【讨论】：

感谢您的回复，尽管我认为您应该再次阅读原始问题...我已经说过我已经学会了获取正则表达式和转义的正确方法。我的问题是为什么“错误”的正则表达式仍然有效。顺便说一句，我在阅读教程后发布了问题......

Java 有转义字符来指示一些特殊字符，例如新行、反斜杠、制表符等。所以 (\\t==\t) 和 (\t=tab char)。但我不确定正则表达式如何在内部处理选项卡。

【参考方案2】：

当使用 "\t" 时，escape sequence \t 被 Java 替换为字符 U+0009。使用"\\t" 时，\\t 中的转义序列\\ 被Java 替换为\，从而产生\t，然后regular expression 解析器将其解释为字符U+0009。

所以这两种符号都将被正确解释。只是换成对应字符时的问题。

【讨论】：

那么为什么使用split("\t") 解析制表符分隔的字符串会被认为是“错误的”？

@posdef 是吗？ \t 制表符 ('\u0009') 是 oracle 参考告诉您的制表符正则表达式。见download.oracle.com/javase/1.4.2/docs/api/java/util/regex/…

@InsertNickHere - 实际上，oracle 参考告诉您在字符串中使用\t。如果此字符串由文字给出，则需要将反斜杠加倍，请参见下一段：download.oracle.com/javase/1.4.2/docs/api/java/util/regex/… 但该参考资料还告诉您可以将x 用于字符x，因此使用“\ t" 或 "\u0009"

@Carlos 好的，我不知道。

@InsertNickHere：好吧，我读过的帖子清楚地表明，任何正则表达式都应该在 Java 中使用额外的反斜杠进行转义，这使得我的单个反斜杠表达式“错误”。我有点傻眼，因为“错误”的表达确实在我的代码中起作用。我认为解释就像@Gumbo 上面所说的那样。