按匹配和不匹配正則表達式的方式拆分字符串

Question

我目前有一個程序，可以找到字符串中的所有正則表達式，但是對於其他部分，我需要與正則表達式匹配的部分和不匹配的部分。

因此，如果我有<h1> hello world </h1>我希望能夠將其拆分為[ <h1> ， hello world </h1> ]。

是否有人對如何解決這個問題有任何想法？

這是我的代碼，用於拆分字符串以找到正則表達式部分

ArrayList<String> foundTags = new ArrayList<String>();
Pattern p = Pattern.compile("<(.*?)>");
Matcher m = p.matcher(HTMLLine);
while(m.find()){
    foundTags.add(m.group(0));
}

Answer 1

例如 ：

String text = "testing<hi>bye</hi><b>bla bla!";
Pattern p = Pattern.compile("<(.*?)>");
Matcher m = p.matcher(text);
int last_match = 0;
List<String> splitted=new ArrayList<>();
while (m.find()) {
        splitted.add(text.substring(last_match,m.start()));
        splitted.add(m.group());
        last_match = m.end();
    }
    splitted.add(text.substring(last_match));
System.out.println(splitted.toString());

打印[testing, <hi>, bye, </hi>, , <b>, bla bla!]

那是你要的嗎？ 如果您不希望空元素，可以輕松修復該代碼以省略空元素：

while (m.find()) {
    if(last_match != m.start())
        splitted.add(text.substring(last_match,m.start()));
    splitted.add(m.group());
    last_match = m.end();
}
if(last_match != text.length())
    splitted.add(text.substring(last_match));

請記住，正如評論中所指出的那樣：使用regex解析任意HTML / XML通常是一個壞主意。

Answer 2

您可以使用正則表達式分組功能來檢索匹配項的不同部分。 例如：

ArrayList<String> list = new ArrayList<String>();
Pattern p = Pattern.compile("(<.*?>)(.*)(<.*?>)");
Matcher m = p.matcher("<h1> Hello World </h1>");
while(m.find()){
    list.add(m.group(1));
    list.add(m.group(2));
    list.add(m.group(3));
}

將為您提供所需的列表： ["<h1>", " Hello World ", "</h1>"] 。 請注意，組號0是完全匹配的表達式。