Java字符串分割非字母字符

Question

我想将一个字符串按非字母字符拆分成一个字符串数组。例如：

"Here is an ex@mple" => "Here", "is", "an" "ex", "mple"

我尝试使用String.split(String regex)方法和正则表达式"(?![\\p{Alpha}])"，但是它将字符串分割成了

"Here", "_is", "_an", "_ex", "@ample"

（这些下划线是为了强调有一个空格）。我猜这是因为?!正则表达式运算符是“零宽度”的，实际上是在分割并删除输入字符串中非字母字符前面的零宽度字符。

我如何在分割字符串的同时删除实际的非字母字符？是否存在非零宽度的否定运算符？

- dmoench

---

https://dev59.com/JGgu5IYBdhLWcg3wbGil - Sean F

@Thilo 这不适用于下划线。 - arshajii

Answer 1

你可以尝试\P{Alpha}+：

"Here is an ex@mple".split("\\P{Alpha}+")

["Here", "is", "an", "ex", "mple"]

"a!@#$%^&*b".split("\\P{Alpha}+")

["a", "b"]

- arshajii

---

如果我输入“Madam, I'm Adam”，它会删除逗号和撇号，但保留“Madam,”之后和“I'm”之前的空格。这是预期行为还是分割出了一些问题？如果我添加“|\s+”，它不会删除空格。 - Ungeheuer

Answer 2

这里已经有几个答案，但是它们都没有很好地处理国际化问题。即使从 OP 的例子可以假设它是关于 "英文" 字母的，但对于从搜索引擎来到这里的访问者可能并非如此...因此，值得一提的是 Java 支持 Unicode Technical Standard #18 "Unicode Regular Expressions"。相当令人印象深刻，不是吗？简而言之，这是对经典（拉丁中心或甚至英语中心）正则表达式的扩展，旨在处理国际字符。

例如，Java 支持完整的二进制属性集 以检查字符是否属于 Unicode 代码点字符类之一。特别是 \p{IsAlphabetic} 字符类将匹配任何与 Unicode 支持的语言中的字母相对应的字母字符。

不清楚吗？以下是一个例子：

    Pattern p = Pattern.compile("\\p{IsAlphabetic}+");
    //                           ^^^^^^^^^^^^^^^^^
    //                         any alphabetic character
    //                    (in any Unicode-supported language)

    Matcher m = p.matcher("L'élève あゆみ travaille _bien_");
    while(m.find()) {
        System.out.println(">" + m.group());
    }

或者使用split在非字母字符上进行分割，基本相当:

    for (String s : "L'élève あゆみ travaille bien".split("\\P{IsAlphabetic}+"))
        System.out.println(">" + s);

在这两种情况下，输出将正确地对单词进行标记化，考虑到法语重音字符和日语平假名字符--就像对使用任何支持Unicode的语言（包括补充多语言平面）拼写的单词一样。

- Sylvain Leroux

Answer 3

不会

"Here is an ex@mple".split("\\S\\w+")

工作？

- user1877337

Answer 4

使用方括号[]在Split函数中，我们可以这样做：

语法： String strArray = text.split("[^a-zA-Z0-9]");

例如： --> 对于文本："Ready, steady, go!";

字符串数组将是：strArray = [Ready,steady,go];

例如： --> 对于文本："You are the best!!!!!!!!!!!! CodeFighter ever!";

字符串数组将是：strArray = [You,are,the,best,CodeFighter,ever];

- Prudhvi kanth Chirumamilla

Answer 5

除了其他答案之外，您可以迭代字符串中的字符，测试它们的ASCII值是否在小写和大写字母的范围内，如果不是，则执行所需的“拆分”行为。 char[] chars = str.toCharArray(); 可能会有用。

- Brendan Goggin