java - 分割字符串，同时保留除转义分隔符之外的分隔符(正则表达式)

Question

如果我有一个由字符分隔的字符串，可以这么说:

a-b-c

并且我想保留分隔符，我可以使用后视和前视来保留分隔符本身，例如:

string.split("((?<=-)|(?=-))");

结果

• a
• -
• b
• -
• c

现在，如果其中一个分隔符被转义，如下所示:

a-b\-c

我想兑现这次转义，我想出了使用这样的正则表达式:

((?<=-(?!(?<=\\-))) | (?=-(?!(?<=\\-))))  

因此

string.split("((?<=-(?!(?<=\\\\-)))|(?=-(?!(?<=\\\\-))))"):

现在，这有效并导致:

• a
• -
• b\-c

(我稍后用 string.replace("\\", ""); 删除反斜杠，我还没有找到将其包含在正则表达式中的方法)

我的问题是理解问题。
按照我的理解，正则表达式就是，

split ((if '-' is before (unless ('\-' is before))) or (if '-' is after (unless ('\-' is before))))

为什么最后一部分不应该是“除非\在之前”？如果“-”在后面，则意味着我们位于“\”和“-”之间，因此只有 \应该在之前，而不是 \\- ，但如果我更改正则表达式以反射(reflect)这样的情况，它就不起作用:

((?<=-(?!(?<=\\-))) | (?=-(?!(?<=\\))))  

结果:a , - , b\ , -c

这是什么原因呢？我的推理错误在哪里？

Answer 1

虽然这并不能真正回答问题，但这解释了环视是如何工作的。

Lookarounds 是 anchor :它们不消耗文本，而是在输入文本中查找位置。您的正则表达式可以用更简单的方式编写:

(?<=-)(?<!\\-)|(?=-)(?<!\\)

这里有所有四种环视:正向和负向前瞻、正向和负向前瞻。

完整的正则表达式如下:

(?<=-)            # Find a position where what precedes is a dash
(?<!\\-)          # Find a position where what precedes is not \-
|                 # Or
(?=-)             # Find a position where what follows is a dash
(?<!\\)           # Find a position where what precedes is not a \

请注意术语“位置”。请注意， anchor 根本不会在文本中前进。

现在，如果我们尝试将该正则表达式与 a-b\-c 进行匹配:

# Step 1
# Input:    | a-b\-c|
# Position: |^      |
# Regex:    | (?<=-)(?<!\\-)|(?=-)(?<!\\)|
# Position: |^                           |
# No match, try other alternative
# Input:    | a-b\-c|
# Position: |^      |
# Regex:    |(?<=-)(?<!\\-)| (?=-)(?<!\\)|
# Position: |               ^            |
# No match, regex fails
# Advance one position in the input text and try again

# Step 2
# Input:    |a -b\-c|
# Position: | ^     |
# Regex:    | (?<=-)(?<!\\-)|(?=-)(?<!\\)|
# Position: |^                           |
# No match, try other alternative
# Input:    |a -b\-c|
# Position: | ^     |
# Regex:    |(?<=-)(?<!\\-)| (?=-)(?<!\\)|
# Position: |               ^            |
# Match: a "-" follows
# Input:    |a -b\-c|
# Position: | ^     |
# Regex:    |(?<=-)(?<!\\-)|(?=-) (?<!\\)|
# Position: |                    ^       |
# Match: what precedes is not a \
# Input:    |a -b\-c|
# Position: | ^     |
# Regex:    |(?<=-)(?<!\\-)|(?=-)(?<!\\) |
# Position: |                           ^|
# Regex is satisfied

这是一种不使用拆分且不使用环视的替代方案:

[a-z]+(\\-[a-z]+)*|-

您可以在Pattern中使用此正则表达式并使用Matcher:

public static void main(final String... args)
{
    final Pattern pattern
        = Pattern.compile("[a-z]+(\\\\-[a-z]+)*|-");

    final Matcher m = pattern.matcher("a-b\\-c");
    while (m.find())
        System.out.println(m.group());
}