将java中的字符串拆分为等长的子字符串，同时保持单词边界

Question

如何在保持单词边界的同时将字符串拆分为最大字符长度的相等部分？

例如，如果我想将字符串“hello world”拆分为最多 7 个字符的相等子字符串，它应该返回我

"hello "

和

"world"

但我当前的实现返回

"hello w"

和

"orld   "

我使用以下代码从Split string to equal length substrings in Java将输入字符串分成相等的部分

public static List<String> splitEqually(String text, int size) {
    // Give the list the right capacity to start with. You could use an array
    // instead if you wanted.
    List<String> ret = new ArrayList<String>((text.length() + size - 1) / size);

    for (int start = 0; start < text.length(); start += size) {
        ret.add(text.substring(start, Math.min(text.length(), start + size)));
    }
    return ret;
}

将字符串拆分为子字符串时是否可以保持单词边界？

更具体地说，我需要字符串拆分算法来考虑空格提供的单词边界，而不仅仅是在拆分字符串时依赖字符长度，尽管这也需要考虑在内，但更像是字符的最大范围而不是硬编码的字符长度。

Answer 1

如果我正确理解您的问题，那么此代码应该maxLenght您的需求（但它假定maxLenght等于或大于最长单词）

String data = "Hello there, my name is not importnant right now."
        + " I am just simple sentecne used to test few things.";
int maxLenght = 10;
Pattern p = Pattern.compile("\\G\\s*(.{1,"+maxLenght+"})(?=\\s|$)", Pattern.DOTALL);
Matcher m = p.matcher(data);
while (m.find())
    System.out.println(m.group(1));

输出：

Hello
there, my
name is
not
importnant
right now.
I am just
simple
sentecne
used to
test few
things.

"\\\\G\\\\s*(.{1,"+maxLenght+"})(?=\\\\s|$)"正则表达式的简短（或不）解释：

（让只记得在Java中\\不仅regex的特殊，而且在字符串常量，所以像使用预定义的字符集\\d ，我们需要把它写成"\\\\d"因为我们需要转义\\也字符串字面量）

• \\G - 是代表先前建立的匹配结束的锚点，或者如果还没有匹配（当我们刚开始搜索时）字符串的开头（与^相同）
• \\s* - 代表零个或多个空格（ \\s代表空格， * “零个或多个”量词）
• (.{1,"+maxLenght+"}) - 让我们把它分成更多部分（在运行时:maxLenght会保存一些像 10 这样的数值，所以正则表达式会将它看作.{1,10} ）
  • . 代表任何字符（实际上默认情况下它可以代表除\\n或\\r等行分隔符之外的任何字符，但多亏了Pattern.DOTALL标志，它现在可以代表任何字符 -如果你想开始拆分，你可以摆脱这个方法参数无论如何，每个句子都会单独打印，因为它的开头将在新行中打印）
  • {1,10} - 这是一个量词，它让前面描述的元素出现 1 到 10 次（默认情况下会尝试找到匹配重复的最大数量），
  • .{1,10} - 所以根据我们刚才所说的，它只是代表“1到10个任意字符”
  • ( ) - 括号创建组，结构允许我们保存匹配的特定部分（这里我们在\\\\s*后添加括号，因为我们只想在空格后使用部分）

• (?=\\\\s|$) - 是 一种前瞻机制，它将确保与.{1,10}匹配的文本将在它之后：

  • 空格 ( \\\\s )

    或（写作| ）

  • 在它之后的字符串$的结尾。

所以多亏了.{1,10}我们最多可以匹配 10 个字符。 但是在(?=\\\\s|$)之后，我们要求与.{1,10}匹配的最后一个字符不是未完成单词的一部分（后面必须有空格或字符串结尾）。

Answer 2

非正则表达式解决方案，以防万一有人更舒服（？）不使用正则表达式：

private String justify(String s, int limit) {
    StringBuilder justifiedText = new StringBuilder();
    StringBuilder justifiedLine = new StringBuilder();
    String[] words = s.split(" ");
    for (int i = 0; i < words.length; i++) {
        justifiedLine.append(words[i]).append(" ");
        if (i+1 == words.length || justifiedLine.length() + words[i+1].length() > limit) {
            justifiedLine.deleteCharAt(justifiedLine.length() - 1);
            justifiedText.append(justifiedLine.toString()).append(System.lineSeparator());
            justifiedLine = new StringBuilder();
        }
    }
    return justifiedText.toString();
}

测试：

String text = "Long sentence with spaces, and punctuation too. And supercalifragilisticexpialidocious words. No carriage returns, tho -- since it would seem weird to count the words in a new line as part of the previous paragraph's length.";
System.out.println(justify(text, 15));

输出：

Long sentence
with spaces,
and punctuation
too. And
supercalifragilisticexpialidocious
words. No
carriage
returns, tho --
since it would
seem weird to
count the words
in a new line
as part of the
previous
paragraph's
length.

它考虑了比设置限制长的单词，因此它不会跳过它们（与正则表达式版本不同，它在找到supercalifragilisticexpialidosus时才停止处理）。

PS：关于所有输入词预计短于设定限制的评论是在我想出这个解决方案后做出的；）