Java Scanner.nextLine()方法会将换行符消耗掉。

Question

我设置了一个扫描仪，它正在使用InputStream工作。

我使用Scanner.nextLine()方法来获取每一行，然后对每一行进行一些正则表达式处理。

我有一个正则表达式，基本上像是[\w\p{Z}]+?[;\n\r]，可以捕获到该行末尾的任何内容，或者只捕获一个东西，如果它们以分号分隔。

所以，如果我的InputStream看起来像

abcd;
xyz

它将选择abcd;，但不会选择xyz。

我认为这是因为扫描器在调用.nextLine()函数时消耗了文本行末尾的换行符。有人能告诉我如何解决这个问题吗？

另外，对于我的正则表达式，我正在使用Pattern.DOTALL编译该模式。

谢谢！

- Derek

---

你必须只使用正则表达式来完成这个任务吗？似乎 String.split 也可以实现？ - Marnix

非常容易找出 - 停止在每行上使用正则表达式，检查 nextLine() 获取的内容即可... - hovanessyan

Answer 1

实际上，问题出在您试图消耗最后一行结尾的换行符。 :-/ 最后一行突然结束且没有换行符是完全有效的，但是您的正则表达式要求有一个换行符。您可以用锚点或前瞻来替换换行符，但是还有更简单的方法。

其中一种方法是覆盖默认分隔符，并使用next()迭代字段：

Scanner sc1 = new Scanner("abcd;\nxyz");
sc1.useDelimiter("[;\r\n]+");
while (sc1.hasNext())
{
  System.out.printf("%s%n", sc1.next());
}

另一种方法是使用nextLine()按行遍历（使用默认分隔符），然后在每行上按分号拆分：

Scanner sc2 = new Scanner("abcd;\nxyz");
while (sc2.hasNextLine())
for (String item : sc2.nextLine().split(";"))
{
  System.out.printf("%s%n", item);
}

Scanner的API是我曾经使用过的最臃肿和不直观的API之一，但是如果您记住以下两个关键点，就可以大大减少使用它的痛苦:

1. 按照匹配分隔符的方式思考，而不是按照字段（就像您使用字符串的split()方法一样）。
2. 在调用一个nextXXX()方法之前，永远不要没有先调用相应的hasNextXXX()方法。

- Alan Moore

Answer 2

那么，为什么不在nextLine()结果中添加一个换行符呢？

难道没有一个正则表达式特殊字符^或$代表字符串的边界吗？

- user1025189

---

虽然这个回答有点模糊，但我同意它。你可以在字符串末尾添加\r字符。或者对整个字符串进行正则表达式匹配（不要使用扫描器）。这将返回所有行结束符。 - Marnix

字符串太长了，一次性在整个字符串上进行正则表达式匹配不可行。 - Derek

Answer 3

正则表达式中的字符 $ 表示“模式结尾”。话虽如此，由于你没有行尾字符，所以很容易消耗掉第一个分号之前的所有内容；只需消耗除分号以外的所有内容即可。

[^;]+

Scanner 会将换行符作为其行为的一部分消耗掉，因为通常情况下您不想处理它，并且它是系统相关的。

编辑：在评论中，有人指出您可以使用 line.split(";") 并获取第一个值。这也可以工作。

- Calum

Answer 4

API明确指定下一行将删除任何行分隔符nextLine()

您可以执行其他回复中的各种建议。但是请注意，扫描仪具有带有“模式”的方法。因此，如果您的正则表达式正确，则可以使用以下方法：

hasNext(Pattern pattern)或hasNext(String pattern)查找是否有更多标记

然后

next(Pattern pattern)或next(String pattern)获取令牌（如果上述返回true）。

- user890904

Answer 5

在正则表达式模式中，您可以使用\z表示输入的结尾，或者使用$表示行的结尾。此外，默认情况下，Scanner.nextLine()返回不带换行符的行。另外，您可以使用useDelimiter方法更改Scanner使用的分隔符，包括;。最后，您的模式可能不会像您想象的那样工作，因为\p{Z}只能捕获字母'Z'，请参考 Pattern文档。

- fredo

---

你误解了文档。请查看此链接：http://www.regular-expressions.info/posixbrackets.html - Derek

不，\p{Z}是一个真正的Unicode类别，只是完全没有用。它包括\p{Zl}（行分隔符，U+2028）、\p{Zp}（段落分隔符，U+2029）和\p{Zs}（空格分隔符，列表），但不包括\n或\r。实际上人们用来分隔行和/或段落的字符没有Unicode类别。 - Alan Moore

嗯，是的，但你在Java中进行正则表达式匹配，对吧？使用Pattern时，应该使用Java正则表达式语法，不是吗？ - fredo