一尘不染

使用String.split()提取单词对

java

鉴于:

String input = "one two three four five six seven";

是否有一个正则表达式可以同时String.split()抓取(最多)两个单词,例如:

String[] pairs = input.split("some regex");
System.out.println(Arrays.toString(pairs));

结果:

[one two, three four, five six, seven]

这个问题是关于 分割正则表达式的 。这与“找到解决方法”或其他“使其以其他方式工作”解决方案 无关


阅读 447

收藏
2020-09-08

共1个答案

一尘不染

当前(最近在Java
14上进行了测试)可以使用split(),但在现实世界中不要使用此方法,因为它看起来像是基于错误的,因为Java中的后向应该具有明显的最大长度,但是此解决方案使用\w+不遵守此限制的方法,并且仍然可以以某种方式起作用-
因此,如果此错误将在以后的版本中修复,则该解决方案将停止工作。

而是使用PatternMatcher带有正则表达式的类\w+\s+\w+(除了更安全之外)还避免了将要继承此类代码的人的维护麻烦(请记住“
始终进行编码,就像最终维护您代码的人是知道您所住地的暴力心理变态者 ”) 。


这是你想要的?
(您可以替换\\w\\S包括所有非空格字符,但在这个例子中,我会离开\\w,因为它是更容易阅读正则表达式\\w\\s,然后\\S\\s

String input = "one two three four five six seven";
String[] pairs = input.split("(?<!\\G\\w+)\\s");
System.out.println(Arrays.toString(pairs));

输出:

[one two, three four, five six, seven]

\G是上一场比赛,(?<!regex)是负向回望。

split我们试图

  1. 查找空间-> \\s
  2. 无法预测的-> (?<!negativeLookBehind)
  3. 用一句话-> \\w+
  4. 与先前匹配的(空格)-> \\G
  5. 在它之前-> \\G\\w+

一开始我唯一的困惑是它如何在第一个空间工作,因为我们希望忽略该空间。 重要信息是\\G在开始时匹配String的开始^

因此,在第一次迭代之前,正则表达式在负向后看起来会像,(?<!^\\w+)并且由于第一个空格 确实
^\\w+之前,所以它无法匹配拆分。下一个空格将不会出现此问题,因此将对其进行匹配,并且有关该信息的信息(例如其在String中的 _ 位置_input)将存储在其中,\\G并稍后在下一个负向后搜索中使用。

因此,对于第三个空格,正则表达式将检查之前是否存在匹配的空格\\G和单词\\w+。由于此测试的结果将是肯定的,因此负向后看不会接受它,因此该空间将不匹配,但是第4个空间将不会出现此问题,因为它之前的空间将与存储在其中的空间相同\\G(它将在inputString中具有不同的位置)


另外,如果有人想分开说每个第3个空格,您可以使用此表单基于@maybeWeCouldStealAVan的答案

input.split("(?<=\\G\\w{1,100}\\s\\w{1,100}\\s\\w{1,100})\\s")

可以使用更大的值代替100,而该值至少应为String中最长单词的长度。


我只是注意到,如果我们想与每个奇数分开,例如每个3、5、7 ,我们也可以使用+代替{1,maxWordLength}

String data = "0,0,1,2,4,5,3,4,6,1,3,3,4,5,1,1";
String[] array = data.split("(?<=\\G\\d+,\\d+,\\d+,\\d+,\\d+),");//every 5th comma
2020-09-08