java - Java - 正则表达式拆分输入文本但保留分隔符

Question

寻找一些正则表达式帮助。我正在寻找一种 Java 中的方法来按单词拆分一些输入文本，但还要保留分隔符（空格、标点符号）。另一种说法是将单词拆分为它们自己的索引，而其他非单词字符可能位于数组的其他索引中。

此输入文本：

"Hello, this isn't working!"

应该像这样放入一个数组中：

{"Hello", ",", "this", "isn't", "working", "!"}

或者

{"Hello", ", ", "this", " ", "isn't", " ", "working", "!"}

我在 Python 中使用它完成了基本相同的事情：

def split_input(string):
    return re.findall(r"[\w']+|[\s.,!?;:-]", string)

但我还没有找到一种方法在 Java 中完成同样的事情。我尝试String.split()过前瞻/后视，也尝试过模式匹配器，但运气不佳。

任何帮助将非常感激！

Answer 1

split不是 Python 的 Java 类比findall。Matcher.find是。

Pattern stuff = Pattern.compile("[\\w']+|[\\s.,!?;:-]");
Matcher matcher = stuff.matcher("Hello, this isn't working!");
List<String> matchList = new ArrayList<String>();
while (matcher.find()) {
    matchList.add(matcher.group(0)); // add match to the list
}

Answer 2

试试这个：这正是你想要的。

public static void main(String[] args) {
    String str = "Hello, this isn't working!";
    String[] s = str.split("(?<=\\s+|,\\s)");
    System.out.println(Arrays.toString(s));
}

输出：

[Hello, , this , isn't , working!]

Answer 3

所以，抛开你奇怪的例子不谈，这里有一些东西应该适合你的需要（还有待测试）：

"(?=[\\w']+|[\\s.,!?;:-])"

对于第一个版本。

"(?=[\\w']+|[\\s.,!?;:-]+)"

将多个分隔符保留为一个整体。

整个想法是，当您想要拆分但保留所有字符时，仅匹配位置。

Answer 4

也许不是最好的方法，但你可以尝试：

string.replaceAll("([\\s.,!?;:-])", "$1\n");
string.split("\n");