java - 正则表达式用空格拆分包含标签但不破坏 java 中的标签的字符串

Question

我正在尝试构建一个正则表达式，其功能如下所述:

字符串 killing of <span class="abc">cats</span>, hi <span class="xyz">dogs</span>,

分成:

1. killing
2. of
3. <span class="abc">cats</span>,
4. hi
5. <span class="xyz">dogs</span>,

这个正则表达式 \\<.*?\\>|拆分它但标签被剥离并且,标签之后是一个新字符串。

Answer 1

不能帮助 split()，但这里有一个顺序 find() 的解决方案:

final String s =
    "killing of <span class=\"abc\">cats</span>, "
    + "hi <span class=\"xyz\">dogs</span>,";
final Matcher matcher = Pattern.compile(
    "(<.*?>.*?</.*?>|\\w+)\\p{Punct}*").matcher(s);
while (matcher.find()) {
    System.out.println(matcher.group());
}

输出:

killing
of
<span class="abc">cats</span>,
hi
<span class="xyz">dogs</span>,