通过正则表达式按;而不是amp;拆分字符串

Question

我有一个需要用分号拆分的字符串。最简单的方法是使用[^;]+。通过使用这种方式，字符串中的每个分号都会被用作定界符。

然而，在我们的字符串中，有一些"&"，我们不希望将其作为分隔符包含在内。

例如，一个字符串：

abcd;efg;hij&kl;mn

期望的结果应该是abcd, efg, hij&kl, mn 有人能帮我解决这个问题吗？

- Yudong Li

Answer 1

我认为更好的方法是解码您的字符串（例如在.NET平台上使用 HttpUtility.HtmlDecode 方法，我不知道您使用的平台），然后按 ; 进行分割。

正则表达式：

(?<!&[^;]+);

它不仅会忽略&，还会忽略以&开头、以;结尾的任何其他HTML/XML特殊符号。

- Kirill Polishchuk

---

这是一种很好的方法，但由于代码的限制，我无法执行对字符串的解码操作。不管怎样，还是谢谢。 - Yudong Li

Answer 2

如果您的正则表达式支持，可以使用负向后瞻。

(?<!&amp);

在Regexr上在线查看

只有在分号前没有&amp时才会匹配

这里是一个使用split的Java示例

String str = "abcd;efg;hij&kl;mn";
String[] Result = str.split("(?<!&amp);");

- stema

Answer 3

如果你想匹配除了 "real ;s" 之外的所有内容：

(?:&|[^;])+

如果只需要匹配&实体，则可以使用&(?!#\d+;)正则表达式。或者，如果需要匹配多个实体，则可以使用(?:&\w+;|[^;])+。

如果您的正则表达式引擎支持拆分操作，那么也许这个正则表达式（仅在不以&为前缀时匹配分号）也是一个好主意。

(?<!&amp);

为了允许像上面这样的其他实体，如果您的正则表达式实现支持后行断言中的非确定重复，则可以使用(?<!&\w+);。大多数情况下不支持，但.NET是一个例外。

在Python中：

>>> import re
>>> re.findall("(?:&|[^;])+", "abcd;efg;hij&kl;mn")
['abcd', 'efg', 'hij&kl', 'mn']
>>> re.split("(?<!&amp);", "abcd;efg;hij&amp;kl;mn")
['abcd', 'efg', 'hij&amp;kl', 'mn']

- Tim Pietzcker