拆分字符串並用標點符號和空格分隔

Question

我有一些字符串，例如： I: am a string, with "punctuation". 我想分割字符串，如：

["I", ":", "am", "a", "string", ",", "with", "\"", "punctuation", "\"", "."]

我試過text.split("[\\\\p{Punct}\\\\s]+")但結果是I, am, a, string, with, punctuation ...

我找到了這個解決方案，但Java不允許我用\\w分割。

Answer 1

使用這個正則表達式：

"\\s+|(?=\\p{Punct})|(?<=\\p{Punct})"

你的字符串的結果：

["I", ":", "am", "a", "string", ",", "with", "", "\"", "punctuation", "\"", "."]

不幸的是，有一個額外的元素， ""之后的"" 。 這些額外的元素只有在空白字符后面有一個標點字符時才會出現（並且總是會出現），所以這可以通過執行myString.replaceAll("\\\\s+(?=\\\\p{Punct})", "").split(regex); 而不是myString.split(regex); （即在拆分之前去除空白）

這是如何工作的：

• \\\\s+拆分一組空格，因此如果字符是空白字符，我們將刪除這些字符並在該位置拆分。 _{（注意：我假設一串hello world應該導致["hello", "world"]而不是["hello", "", "world"] ）}
• (?=\\\\p{Punct})是一個前瞻，如果下一個字符是標點字符，則會分割，但它不會刪除該字符。
• (?<=\\\\p{Punct})是一個(?<=\\\\p{Punct}) ，如果最后一個字符是標點字符，則會分裂。

---

編輯：

在回復您的評論時 ，此正則表達式應允許在單詞內標點符號：

"\\s+|(?=\\W\\p{Punct}|\\p{Punct}\\W)|(?<=\\W\\p{Punct}|\\p{Punct}\\W})"

對於這個，你不需要使用replaceAll ，只需要執行myString.split(regex) 。

這個怎么運作：

這個正則表達式非常相似，但外觀改變了。 \\\\W\\\\p{Punct}匹配一個非單詞字符，后跟一個標點字符。 \\\\p{Punct}\\\\W匹配標點字符后跟非單詞字符。 因此，如果有一個標點符號不在單詞的中間，則每個環視匹配。

Answer 2

或者嘗試這個，收集一個ArrayList：

    String s = "I: am a string, with \"punctuation\".";
    Pattern pat = Pattern.compile( "\\w+|\\S" );

    Matcher mat = pat.matcher( s );
    while( mat.find() ){
        System.out.print( mat.group() +  "/" );
    }
    System.out.println();

輸出：

 I/:/am/a/string/,/with/"/punctuation/"/./