java - java Regex - 拆分但忽略引号内的文本？

Question

仅使用正则表达式方法、方法 String.replaceAll 和 ArrayList 我如何将字符串拆分为标记，但忽略引号内存在的分隔符？分隔符是任何不是字母数字或引用文本的字符

例如：字符串：

你好^world'这个*有两个标记'

应该输出：

• 你好
• worldthis* 有两个标记

Answer 1

我知道已经存在一个该死的好且公认的答案，但我想添加另一种基于正则表达式（我可以说更简单）的方法来使用不在单引号内的任何非字母数字分隔符拆分给定文本

正则表达式：

/(?=(([^']+'){2})*[^']*$)[^a-zA-Z\\d]+/

这基本上意味着如果非字母数字文本后跟偶数个单引号，则匹配非字母数字文本，换句话说，如果它在单引号之外，则匹配非字母数字文本。

代码：

String string = "hello^world'this*has two tokens'#2ndToken";
System.out.println(Arrays.toString(
     string.split("(?=(([^']+'){2})*[^']*$)[^a-zA-Z\\d]+"))
);

输出：

[hello, world'this*has two tokens', 2ndToken]

演示：

Here is a live working Demo of the above code.

Answer 2

You cannot in any reasonable way. You are posing a problem that regular expressions aren't good at.

Answer 3

使用 aMatcher来标识要保留的部分，而不是要拆分的部分：

String s = "hello^world'this*has two tokens'";
Pattern pattern = Pattern.compile("([a-zA-Z0-9]+|'[^']*')+");
Matcher matcher = pattern.matcher(s);
while (matcher.find()) {
    System.out.println(matcher.group(0));
}

在线查看它：ideone

Answer 4

不要为此使用正则表达式。它行不通。改为使用/编写解析器。

您应该为正确的任务使用正确的工具。