使用高级正则表达式在java中拆分字符串

Question

我尝试在java中使用字符串拆分，在子字符串之间拆分整个文档 制表符是空格和换行符，但我想排除引号之间存在单词的情况

例如：

这个文件

CATEGORYTYPE1
{
    CATEGORYSUBTYPE1
    {
        OPTION1 “ABcd efg1234”
        OPTION2 ABCdefg12345
        OPTION3 15
    }
    CATEGORYSUBTYPE2
    {
        OPTION1 “Blah Blah 123”
        OPTION2 Blah
        OPTION3 10
        OPTION4 "Blah"
    }
}

拆分到这些子字符串（如Eclipse调试器中所示）：

[CATEGORYTYPE1, {, CATEGORYTYPE1, {, OPTION1, “ABcd, efg1234”, OPTION2....

当我使用当前正则表达式时，如下所示：

    String regex = "([\\n\\r\\s\\t]+)";

    String[] tokens = data.split(regex);

但我想实现的是这样分割它：

[CATEGORYTYPE1, {, CATEGORYTYPE1, {, OPTION1, “ABcd efg1234”, OPTION2....

（不在引号之间拆分内容）

正则表达式可以这样做吗？如何实现

Answer 1

在这里使用拆分似乎比较复杂，甚至不够，使用查找更容易，请尝试以下方法：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Main {
    public static void main(String[] argv) {

        List<String> result = new ArrayList<String>();

        Pattern pattern = Pattern.compile("\"[^\"]+\"|\\S+");
        Matcher m = pattern.matcher(yourstring);

        while (matcher.find()) {
            result.add(m.group(0));
        }
    }
}

如果需要添加其他类型的引号（例如：“xxxxx xxxxx”），可以轻松地将它们添加到模式中：

Pattern pattern = Pattern.compile("“[^”]+”|\"[^\"]+\"|\\S+");

您可以通过以下方式允许转义双引号（"xxx \"xxx\""）：

Pattern pattern = Pattern.compile("\"(?:[^\"]+|(?<!\\)\")+\"|\\S+");

Answer 2

我知道我很晚才入党，但如果你也在寻找一个花哨的正则表达式来“理解”逃逸"，这个应该适合你：

Pattern p = Pattern.compile("(\\S*?\".*?(?<!\\\\)\")+\\S*|\\S+");
Matcher m = p.matcher(str);
while (m.find()) { ... }

它还将解析如下内容：
ab "cd \"ef\" gh" ij "kl \"no pq\"\" rs"
致：
ab，"cd \"ef\" gh"，ij，"kl \"no pq\"\" rs"（不要被奇数个转义引号（\"）弄糊涂）

（可能是无关的），但是这个词也会在字符串的中间“理解”^ {CD1>}，所以它将解析这个：^ {}：：^ {< CD3>}，^ {< CD11>}，^ {CD12>} -而不是这样的模式很可能出现。p>

无论如何，你也可以看看这个short demo

Answer 3

以下是一种方法：

str = "CATEGORYTYPE1\n" + 
"{\n" + 
"    CATEGORYSUBTYPE1\n" + 
"    {\n" + 
"        OPTION1 \"ABcd efg1234\"\n" + 
"        OPTION2 ABCdefg12345\n" + 
"        OPTION3 15\n" + 
"    }\n" + 
"    CATEGORYSUBTYPE2\n" + 
"    {\n" + 
"        OPTION1 \"Blah Blah 123\"\n" + 
"        OPTION2 Blah\n" + 
"        OPTION3 10\n" + 
"        OPTION4 \"Blah\"\n" + 
"    }\n" + 
"}\n";

String[] arr = str.split("(?s)(?=(([^\"]+\"){2})*[^\"]*$)\\s+");
System.out.println(Arrays.toString(arr));

// OUTPUT
[CATEGORYTYPE1, {, CATEGORYSUBTYPE1, {, OPTION1, "ABcd efg1234", OPTION2, ABCdefg12345, ...

解释：表示匹配空格或新行（\s），后跟偶数双引号（"）。因此，两个双引号字符之间的\s将不会在拆分中使用，外部字符将被匹配（因为这些字符后面是偶数个双引号字符）