如何通过正则表达式拆分长文本并获取所有部分？

Question

我想通过它包含的javadoc将一个长scala文件拆分成一些部分。

source split """(?s)\/\*\*(.*?)\*\/"""

工作，但它会忽略它匹配的所有javadoc。

如何获得所有零件？

例如：

/** package */
package test

/**
 * Class user
 */
class class User

它将分为4个部分：

/** package */

和

package test

和

/**
 * Class user
 */

和

case class User

怎么做？

Answer 1

第一：请注意，编程语言语法不规则，因此实际上无法使用正则表达式进行解析。 它是无上下文的，因此，您至少需要一个无上下文语法来解析它。 对于简单的情况（即，真正语法的一个子集），您可能能够得到一些东西，但是不可能编写一个在所有情况下都能工作的表达式。

也就是说，这适用于您提供的案例：

val split = source split """(?s)/\*\*|\*/"""
val parts =
  split.grouped(2).flatMap { 
    case Array(code,comment) => Seq(code, "/**" + comment + "*/")
    case code => code
  }
  .map(_.trim)
  .filter(_.nonEmpty)

然后变量parts包含您指定的4个字符串。

此表达式将失败，例如，一个输入，其中/**包含在javadoc注释（ /** /** */ ）中，或者在字符串文字的引号之间找到a（ val s = " /** " ）。

Answer 2

试试这些：

val source = """/** package */
package test

/**
 * Class user
 */
class class User"""

val R = """(?s)/\*\*.*?\*/"""

val x = R.r.findAllIn(source)
val y = source.split(R).toList.tail

val parts = x.toList.zip(y).flatMap(x => List(x._1, x._2))

正如dhg所说，不推荐使用正则表达式来解决这个问题。 它缓慢而脆弱。