java正则表达式，用于保留引号、单引号、连字符和在空白处拆分

Question

我使用Java模式类将正则表达式指定为字符串

所以举个例子 我喜欢做蜘蛛侠：“彼得·帕克”

应该把蜘蛛侠和“彼得·帕克”列为单独的标记。 谢谢

try {
     BufferedReader br = new BufferedReader(new FileReader(f));
     StringBuilder sb = new StringBuilder();
     String line = br.readLine();

     while (line != null) {
        sb.append(line);
        line = br.readLine();
     }

    String everything = sb.toString();        
    List<String> result = new ArrayList<String>();
    Pattern pat = Pattern.compile("([\"'].*?[\"']|[^ ]+)");
    PatternTokenizer pt = new PatternTokenizer(new StringReader(everything),pat,0);
    while (pt.incrementToken()) {
     result.add(pt.getAttribute(CharTermAttribute.class).toString());

     }

 }
    catch (Exception e) {
    throw new RuntimeException(e);
   }

所以我猜“some word”不起作用的原因是因为每个标记本身就是一个字符串。 有什么线索吗？谢谢!

Answer 1

如果它不必是正则表达式，并且字符串中的数据是正确的（引号顺序正确，不像" ' some data " '），那么您可以在一次迭代中这样做

String data="I love being spider-man : \"Peter Parker\" or 'photo reporter'";

List<String> tokens = new ArrayList<String>();
StringBuilder sb=new StringBuilder();
boolean inSingleQuote=false;
boolean indDoubleQuote=false;

for (char c:data.toCharArray()){
    if (c=='\'') inSingleQuote=!inSingleQuote;
    if (c=='"') indDoubleQuote=!indDoubleQuote;
    if (c==' ' && !inSingleQuote && !indDoubleQuote){
        tokens.add(sb.toString());
        sb.delete(0,sb.length());
    }
    else 
        sb.append(c);
}
tokens.add(sb.toString());
System.out.println(tokens);

输出

[I, love, being, spider-man, :, "Peter Parker", or, 'photo reporter']

Answer 2

检查此正则表达式是否符合您的需要：

"([\"'].*?[\"']|(?<=[ :]|^)[a-zA-Z0-9-]+(?=[ :]|$))"

我假设你没有（单/双）报价

关于分隔符还有一个假设：我只允许空格和:用作分隔符。在"foo_bar"中不会匹配任何内容。如果要添加更多分隔符，例如;、.、,、?，请将其添加到“向前看”和“向后看”断言中的字符类中，如下所示：

"([\"'].*?[\"']|(?<=[ :;.,?]|^)[a-zA-Z0-9-]+(?=[ :;.,?]|$))"

尚未对每个输入进行测试，但我已经对这个输入进行了测试：

"    sdfsdf \" sdfs  sdfsdfs \"   \"sdfsdf\"  sdfsdf   sdfsd  dsfshj sdfsdf-sdf  'sdfsdfsdf  sd f '  "
// I used replaceAll to check the captured group
.replaceAll("([\"'].*?[\"']|(?<=[ :]|^)[a-zA-Z0-9-]+(?=[ :]|$))", "X$1Y")

这对我来说很好

如果你想要更自由的捕捉，但仍然假设引用：

"([\"'].*?[\"']|[^ ]+)"

要提取匹配项：

Matcher m = Pattern.compile(regex).matcher(inputString);
List<String> tokens = new ArrayList<String>();
while (m.find()) {
    tokens.add(m.group(1));
}