在多个字符上分割一个字符串

Question

我想在下列许多字符之一上分割句子。我的正则表达式可以基于大部分字符进行分割，但不能分割 '[]' (左右方括号)。如果我将字符串 SPECIAL_CHARACTERS_REGEX 更改为 [ :;'=\\()!-\\[\\]]，它会开始在字符串中分割整数，而不是分割方括号。如何使正则表达式在方括号而不是整数上分割 ('[]' 表示所有整数)。

另一个相关的问题是，是否有一种方法也可以从字符串中分割数字？例如，9pm 应该分割成 9 和 pm。

This:

private static final String SPECIAL_CHARACTERS_REGEX = "[ :;'=\\()!-]";
String rawMessage = "let's meet tomorrow at 9:30p? 7-8pm? i=you go (no Go!) [to do !]"
String[] tokens = rawMessage.split(SPECIAL_CHARACTERS_REGEX);

Gives:

Input: let's meet tomorrow at 9:30p? 7-8pm? i=you go (no Go!) [to do !]
output: [let, s, meet, tomorrow, at, 9, 30p?, 7, 8pm?, i, you, go, , no, Go, , , [to, do, , ]]

同时，

This:

private static final String SPECIAL_CHARACTERS_REGEX = "[ :;'=\\()!-\\[\\]]";
String rawMessage = "let's meet tomorrow at 9:30p? 7-8pm? i=you go (no Go!) [to do !]"
String[] tokens = rawMessage.split(SPECIAL_CHARACTERS_REGEX);

Gives:
let's meet tomorrow at 9:30p? 7-8pm? i=you go (no Go!) [to do !]
[let, s, meet, tomorrow, at, , , , , p, , , , , pm, , i, you, go, , no, , o, , , , to, do]

期望的输出结果：

{"let", "s", "meet", "tomorrow", "at", "9", "30", "p", "7", "8", "pm", "i", "you", "go", "no", "Go", "to", "do"}

- Darth.Vader

---

你期望的输出是什么？ - hwnd

【】在正则表达式中有特殊含义，如果你想将它们作为匹配的一部分使用，就需要对它们进行转义。 - MadProgrammer

我已经将期望的输出添加到帖子中。 - Darth.Vader

我该如何从字符串中分离数字？例如，“9pm”需要被分离成“9”和“pm”。谢谢！ - Darth.Vader

Answer 1

将破折号放在末尾（或开头或转义）是因为否则它将被视为一组字符：

[ :;'=\\()!\\[\\]-]

您原来的正则表达式匹配了!和[之间的所有字符，包括数字、大写字母以及其他一些符号，例如(、)等。

为了得到您期望的结果，您可以使用类似以下的表达式：

[ ?:;'=\\()!\\[\\]-]+|(?<=\\d)(?=\\D)

(?<=\d)(?=\D) 的作用是将数字和非数字分离开来（或者您也可以使用 [0-9] 和 [^0-9]，这应该会更有效率/更快速）

ideone演示

- Jerry

---

请注意，您必须将方括号部分放在 (?<=\\d)(?=\\D) 之前；如果您将它们放在另一个顺序中，即 (?<=\\d)(?=\\D)|[ ?:;'=\\()!\\[\\]-]+，则结果将不同。这是因为像 ' '、'?' 等字符既匹配字符集又匹配 \\D。将字符集放在第一位将确保当看到其中一个字符时，它将被视为匹配集合中的字符，因此作为定界符处理，而不是作为“前瞻”留在结果中。 - ajb

Answer 2

如果你在字符类的中间留下连字符，你需要对它进行转义。但是最好把它放在字符类的开头或结尾。此外，在这里不需要转义括号()，你可能想在字符类后面使用量词符*或+。更新：为了获得您期望的结果，您可以执行以下操作。

private static final String SPECIAL_CHARACTERS_REGEX = "[ :;'?=()!\\[\\]-]+|(?<=\\d)(?=\\D)";
String rawMessage = "let's meet tomorrow at 9:30p? 7-8pm? i=you go (no Go!) [to do !]";
String[] tokens = rawMessage.split(SPECIAL_CHARACTERS_REGEX);
System.out.println(Arrays.toString(tokens));

正则表达式：

[ :;'?=()!\[\]-]+    any character of: ' ', ':', ';', ''', '?',
                       '=', '(', ')', '!', '\[', '\]', '-' (1 or more times)
 |                   OR
  (?<=               look behind to see if there is:
   \d                digits (0-9)
  )                  end of look-behind
   (?=               look ahead to see if there is:
    \D               non-digits (all but 0-9)
   )                 end of look-ahead

请查看演示

输出

[let, s, meet, tomorrow, at, 9, 30, p, 7, 8, pm, i, you, go, no, Go, to, do]

- hwnd

---

将其进一步推广，我该如何从字符串中分离数字和字母？例如，“30pm”需要被拆分为“30”和“pm”。谢谢！ - Darth.Vader

@user721998，请您也看一下我对Jerry答案的评论。 - ajb

Answer 3

在正则表达式中使用这个，将会在任何数字后面跟着一个字母的地方进行分割：

(?<=\\d)(?=[A-Za-z])

我已经测试了上述模式。要将其添加到您已有的内容中，请在正则表达式中使用 | 来拆分上述内容或您已有的内容：

String[] parts = s.split("[ :;'=()!\\[\\]-]+|(?<=\\d)(?=[A-Za-z])");

（使用hwnd的答案）。?<=是一个向后查找，如果点号后面的模式匹配，则匹配；?=是一个向前查找，如果点号前面的模式匹配，则匹配。

- ajb

Answer 4

首先介绍字母数字组合之间的空格，例如8pm，在'['和']'特殊字符处使用转义序列进行分割：

String rawMessage  = "let's meet tomorrow at 9:30pm 7-8pm? i=you go (no Go!) [to do !]";
String rawMessage2 = rawMessage.replaceAll("(?<=[0-9])(?=[a-zA-Z])", " ");
String[] tokens  = rawMessage2.split("[ :;'=()!\\[\\]]+");

- Infinite Recursion