Java正则表达式在多个定界符上拆分，包括其他定界符的子字符串

Question

我正在尝试使用正则表达式和已知的定界符将字符串转换为值映射。 我拥有的代码可以工作，但是如果我使用的分隔符是另一个分隔符的子字符串，则不会（正确）对其进行解析。

让我们直接切入一些样本输入，错误输出，预期输出和代码！

输入示例： "Artist: foo bar foooo Title: bar fooo bar Dimensions: xzy Framed dimensions: yzx" （您可以看到有“ Dimensions”和“ Framed Dimensions”）

错误输出： {Artist:=foo bar foooo, Title:=bar fooo bar, Dimensions:=xzy, dimensions:=yzx} （框架尺寸被尺寸吸引！）

预期输出： Artist:=foo bar foooo, Title:=bar fooo bar, Dimensions:=xzy, Framed dimensions:=yzx}

代码示例：

String DELIMITER = "[Aa]rtist:|[Tt]itle:|[Ff]ramed [Dd]imensions:|[Dd]imensions:"
...
public Map<String, String> parseToMap(String str) {
    Map<String, String> itemMap = new LinkedHashMap<>();
    String infos[] = str.split("(?=" + DELIMITER + ')'); //split at delimiters
        for(String info : infos) {
            try {
                String[] tmp = info.split("(?<=" + DELIMITER + ')'); //split to key/val pair
                itemMap.put(tmp[0].trim(), tmp[1].trim());
            } catch (IndexOutOfBoundsException e) {
                //Skip if no key/val pair
            }
        }
    return itemMap;
}

我也觉得这有点骇人听闻。 如果有更好的解决方案，我很高兴听到。 尽管如果我们现在就可以使它正常运行，我总是可以去CodeReview看看：)

编辑：我需要从定界符到定界符的每个单词，而不仅仅是定界符之后的单词。

Answer 1

而不是split操作，请将此正则表达式与2个捕获的组一起使用：

(?<key>[\w\s]+:)\s*(?<value>.+?)\s*(?=(?:[Aa]rtist|[Tt]itle|(?:[Ff]ramed )?[Dd]imensions):|$)

正则演示

码：

final String regex = "(?<key>[\\w\\s]+:)\\s*(?<value>.+?)\\s*(?=(?:[Aa]rtist|[Tt]itle|(?:[Ff]ramed )?[Dd]imensions):|$)";
final String string = "Artist: foo Title: bar Dimensions: x Framed dimensions: y";

final Pattern pattern = Pattern.compile(regex);
final Matcher m = pattern.matcher(string);

Map<String, String> itemMap = new LinkedHashMap<>();
while (m.find()) {
    itemMap.put(m.group("key"), m.group("value"));
}

System.out.println("itemMap: " + itemMap);

Answer 2

您的正则表达式是一种非消耗性的正向超前行为，它可以测试字符串中的每个位置，因此可以匹配重叠的字符串。

您可以使用匹配方法将定界符捕获到组1中，然后将任何不启动任何定界符的char捕获：

public static Map<String, String> parseToMap(String str) {
    String DESCRIPTION_DELIMITER = "[Aa]rtist:|[Tt]itle:|[Ff]ramed [Dd]imensions:|[Dd]imensions:";
    Map<String, String> itemMap = new LinkedHashMap<>();
    Pattern p = Pattern.compile("(" + DESCRIPTION_DELIMITER + ")((?:(?!" + DESCRIPTION_DELIMITER + ").)*)"); //split to key/val pair
    Matcher m = p.matcher(str);
    while(m.find()) {
        itemMap.put(m.group(1).trim(), m.group(2).trim());
    }
    return itemMap;
}

请参阅Java演示 。

正则表达式看起来像

([Aa]rtist:|[Tt]itle:|[Ff]ramed [Dd]imensions:|[Dd]imensions:)((?:(?![Aa]rtist:|[Tt]itle:|[Ff]ramed [Dd]imensions:|[Dd]imensions:).)*)

请参阅在线演示 。

这里，

• ([Aa]rtist:|[Tt]itle:|[Ff]ramed [Dd]imensions:|[Dd]imensions:) -与任何定界符匹配的第1组
• ((?:(?![Aa]rtist:|[Tt]itle:|[Ff]ramed [Dd]imensions:|[Dd]imensions:).)*) -与除a以外的任何char匹配的钢化贪婪令牌换行符char（ . ），出现0+次（ * ），不会开始任何分隔符字符序列。

Answer 3

如果期望输入始终为以下格式
艺术家：foo标题：bar尺寸：x框架尺寸：y

即，“ D”始终是维度中的大写字母，您可以使用String DELIMITER =“ [Aa] rtist：| [Tt] itle：| [Ff] ramed [Dd] imensions：| Dimensions：”; 而不是字符串DELIMITER =“ [Aa] rtist：| [Tt] itle：| [Ff] ramed [Dd] imensions：| [Dd] imensions：”