Java拆分字符串正则表达式：前导空格

Question

我知道以前有人问过关于如何使用前导空格分割字符串的问题，例如：

String str = " I want to be  split \t!"
String[] sarr = str.split("\\s+");
for(String s : sarr) System.out.println("'" + s + "'");

生成结果：

'' //leading white space
'I'
'want'
'to'
'be'
'split'
'!'

解决此问题的方法是在拆分之前使用str.trim（）

但我想知道的是，为什么split（）不能跳过前导空格，但可以在字符串的中间/结尾跳过

Answer 1

我认为这应该回答你的问题

摘自String docs

Splits this string around matches of the given regular expression.

This method works as if by invoking the two-argument split method with the given expression and a limit argument of zero. Trailing empty strings are therefore not included in the resulting array.

Answer 2

除了anirudh所说的，还要注意另一个选项：在前导空格中加上“I”：

(?<!^)\s+

这给你

 I
want
to
be
split
\t!

（并摆脱恼人的第一场比赛）

Answer 3

在Java中，在其自身的本机字符集上匹配空白，因为Java不支持Unicode空白属性-即使这样做是严格要求满足UTS#18’s RL1.2!

Unicode标准，因此您必须使用如下代码：

                     ""       /* dummy empty string for homogeneity */
                     "\\u0009" // CHARACTER TABULATION
                     "\\u000A" // LINE FEED (LF)
                     "\\u000B" // LINE TABULATION
                     "\\u000C" // FORM FEED (FF)
                     "\\u000D" // CARRIAGE RETURN (CR)
                     "\\u0020" // SPACE
                     "\\u0085" // NEXT LINE (NEL) 
                     "\\u00A0" // NO-BREAK SPACE
                     "\\u1680" // OGHAM SPACE MARK
                     "\\u180E" // MONGOLIAN VOWEL SEPARATOR
                     "\\u2000" // EN QUAD 
                     "\\u2001" // EM QUAD 
                     "\\u2002" // EN SPACE
                     "\\u2003" // EM SPACE
                     "\\u2004" // THREE-PER-EM SPACE
                     "\\u2005" // FOUR-PER-EM SPACE
                     "\\u2006" // SIX-PER-EM SPACE
                     "\\u2007" // FIGURE SPACE
                     "\\u2008" // PUNCTUATION SPACE
                     "\\u2009" // THIN SPACE
                     "\\u200A" // HAIR SPACE
                     "\\u2028" // LINE SEPARATOR
                     "\\u2029" // PARAGRAPH SEPARATOR
                     "\\u202F" // NARROW NO-BREAK SPACE
                     "\\u205F" // MEDIUM MATHEMATICAL SPACE
                     "\\u3000" // IDEOGRAPHIC SPACE