java - Java 通过带问号的换行正则表达式问题拆分字符串

Question

我编写了一个 Java 类，它必须从包含换行符的字符串中提取元素。作为第一步，代码必须用换行符分割输入字符串并将结果放入数组中。除了在一种特定情况下，这一切都很好。我正在使用以下代码来执行拆分：

String lines[] = inputText.split("[\\r?\\n\\r]+");

我遇到的问题是以下行：

##INFO=<ID=DS,Number=0,Type=Flag,Description=""removed?"">"

它导致两行：

##INFO=<ID=DS,Number=0,Type=Flag,Description=""removed
"">"

它在问号上分裂。谁能指出我为什么会发生这种情况的正确方向？正则表达式内部没有“？” 表示 0 或 1 次出现？这不是按换行符分割的可接受方式吗？

score 0 · Accepted Answer

这行得通，简单地说 \n\r 或 \n。

String manyLines = "line1\nline2\n\rline3?\nline4";
System.out.println(Arrays.asList(manyLines.split("\\n\\r|\\n")));

输出

[line1, line2, line3?, line4]

score 0 · Accepted Answer

方括号内的问号实际上是一个问号。用圆括号替换方括号（前者仅限于每个交替一个字符）：

String lines[] = inputText.split("(\\r?\\n|\\r)+");

行将在“\r\n”、“\n”和“\r”处拆分，但这实际上与以下内容相同：

String lines[] = inputText.split("(\\n|\\r)+");

所以我们可以回到方括号：

String lines[] = inputText.split("[\\n\\r]+");

如果您实际需要的是取决于操作系统的恒定换行符：

String lines[] = inputText.split("(" + System.getProperty("line.separator") + ")+");

score 0 · Accepted Answer

您正在使用一个字符类（[]），这意味着括号内的任何字符，所以在您的情况下，它意味着[\\r?\\n\\r]+任何一个，，，，，，一次或多次（+）\\r\\n?\\r。

由Unicode UTS #18: Unicode Regular Expressions定义的换行符的真正可移植正则表达式是：

\R => (?:(?>\u000D\u000A)|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029])

正如Perl 成名的 Tom Christiansen在这个答案中所解释的那样。考虑 Java 的双重转义（字符串然后是正则表达式）：

(?:(?>\\u000D\\u000A)|[\\u000A\\u000B\\u000C\\u000D\\u0085\\u2028\\u2029])

3 回答 3