我不知道使用正则表达式是否可行。我只是在问,以防有人知道答案。
我有一个string ="hellohowareyou??"
。我需要像这样分割[h, el, loh, owar, eyou?, ?]
。
进行拆分,以使第一个字符串的长度为1,第二个长度为2,依此类推。最后一个字符串将包含其余字符。我可以很容易地做到这一点,而无需使用正则表达式使用这样的功能。
public ArrayList<String> splitString(String s)
{
int cnt=0,i;
ArrayList<String> sList=new ArrayList<String>();
for(i=0;i+cnt<s.length();i=i+cnt)
{
cnt++;
sList.add(s.substring(i,i+cnt));
}
sList.add(s.substring(i,s.length()));
return sList;
}
我只是很好奇是否可以使用正则表达式来完成这种事情。
最佳答案
解
以下代码段生成完成该工作的模式(see it run on ideone.com):
// splits at indices that are triangular numbers
class TriangularSplitter {
// asserts that the prefix of the string matches pattern
static String assertPrefix(String pattern) {
return "(?<=(?=^pattern).*)".replace("pattern", pattern);
}
// asserts that the entirety of the string matches pattern
static String assertEntirety(String pattern) {
return "(?<=(?=^pattern$).*)".replace("pattern", pattern);
}
// repeats an assertion as many times as there are dots behind current position
static String forEachDotBehind(String assertion) {
return "(?<=^(?:.assertion)*?)".replace("assertion", assertion);
}
public static void main(String[] args) {
final String TRIANGULAR_SPLITTER =
"(?x) (?<=^.) | measure (?=(.*)) check"
.replace("measure", assertPrefix("(?: notGyet . +NBefore +1After)*"))
.replace("notGyet", assertPrefix("(?! \\1 \\G)"))
.replace("+NBefore", forEachDotBehind(assertPrefix("(\\1? .)")))
.replace("+1After", assertPrefix(".* \\G (\\2?+ .)"))
.replace("check", assertEntirety("\\1 \\G \\2 . \\3"))
;
String text = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ";
System.out.println(
java.util.Arrays.toString(text.split(TRIANGULAR_SPLITTER))
);
// [a, bc, def, ghij, klmno, pqrstu, vwxyzAB, CDEFGHIJ, KLMNOPQRS, TUVWXYZ]
}
}
请注意,此解决方案使用了我的正则表达式文章系列中已经介绍的技术。这里唯一的新东西是\G
和正向引用。参考文献
这是对使用的基本正则表达式构造的简要说明:
(?x)
是嵌入式标记modifier,用于启用free-spacing模式,在该模式下,未转义的空格将被忽略(并且#
可用于注释)。 ^
和$
是anchors的开头和结尾。 \G
是end-of-previous match锚。 |
表示alternation(即“或”)。 ?
作为重复说明符表示optional(即零或一)。作为重复量词,例如.*?
,它表示*
(即零个或多个)重复是reluctant /非贪婪。 (…)
用于grouping。 (?:…)
是一个非捕获组。捕获组保存它匹配的字符串;除其他事项外,它还允许在向后/向前/嵌套引用(例如\1
)上进行匹配。 (?=…)
是积极的lookahead;它看起来向右断言给定模式匹配。 (?<=…)
令人反感;它向左看。 (?!…)
是一个否定的前瞻;它在右边看起来断言模式不匹配。 相关问题
[nested-reference]
系列中的文章:(?<=#)[^#]+(?=#)
work? 说明
该模式在零宽度断言上匹配。使用一种相当复杂的算法来断言当前位置是triangular number。有2种主要选择:
(?<=^.)
,即我们可以向后看,并且可以看到字符串的开头一个点measure
重构最后一次匹配的方式(使用\G
作为参考点),将测量结果存储在\G
之前和之后的\G
捕获组中。然后,如果当前位置是测量所指定的位置,则我们用check
找出下一个匹配位置。 因此,第一个选择是琐碎的“基本情况”,第二个选择设置了如何进行此后的所有后续匹配。 Java没有自定义名称的组,但是这是3个捕获组的语义:
\1
捕获字符串“before” \G
\2
捕获一些字符串“在”之后\G
\1
的长度是例如1 + 2 + 3 + ... + k,则\2
的长度必须为k。\2 .
的长度为k + 1,应成为split
的下一部分! \3
捕获我们当前位置右侧的字符串assertEntirety
上使用\1 \G \2 . \3
时,我们将匹配并设置新的\G
您可以使用数学归纳法来严格证明该算法的正确性。
为了帮助说明这是如何工作的,让我们来看一个示例。让我们以
abcdefghijklm
作为输入,并说我们已经部分分割了[a, bc, def]
。 \G we now need to match here!
↓ ↓
a b c d e f g h i j k l m n
\____1____/ \_2_/ . \__3__/ <--- \1 G \2 . \3
L=1+2+3 L=3
请记住,\G
标记了最后一个匹配项的结尾,它出现在三角形数字索引处。如果\G
出现在1 + 2 + 3 + ... + k,则下一个匹配项必须在\G
之后为k + 1个位置,以作为三角索引。因此,在我们的示例中,给定
\G
是我们刚分离出def
的位置,我们测量到k = 3,下一次匹配将按预期分离出ghij
。要根据上述规范构建
\1
和\2
,我们基本上要做一个while
“循环”:只要是notGyet
,我们就算出k如下:+NBefore
,即我们将\1
扩展一个forEachDotBehind
+1After
,即我们只将\2
扩展一个注意
notGyet
包含对组1的前向引用,该引用在模式的后面定义。本质上,我们执行循环直到\1
“hits” \G
为止。结论
不用说,这种特殊的解决方案具有可怕的性能。 regex引擎仅记住上一次匹配的位置(使用
\G
),而忘记了HOW(即,在下次尝试匹配时重置所有捕获组)。然后,我们的模式必须通过一次附加一个字符(即O(N^2)
)来精心构建字符串,从而重构HOW(这是传统解决方案中不必要的步骤,在这种情况下变量并不是那么“令人难忘”)。每个简单的测量都是线性的,而不是恒定的时间(因为它是通过字符串匹配完成的,其中长度是一个因素),并且最重要的是,我们进行了许多多余的测量(即,扩展一次,我们需要先重新匹配)我们已经拥有的)。除此以外,可能还有许多“更好”的正则表达式解决方案。但是,这种特定解决方案的复杂性和效率低下应该正确地表明,正则表达式不是针对这种模式匹配而设计的。
就是说,出于学习目的,这绝对是一个绝妙的问题,因为在研究和制定解决方案方面拥有丰富的知识。希望这个特定的解决方案及其解释是有益的。
关于java - 使用正则表达式分割不同长度的字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/3682587/