java - 使用 RegEx 时如何保留分隔符？

Question

我做了一个关于标点符号和正则表达式的问题，但它很困惑。

假设我有这段文字:

String text = "wor.d1, :word2. wo,rd3? word4!"; 

我这样做:

String parts[] = text.split(" ");

我有这个:

wor.d1, | :word2. | wor,d3? | word4!;

我需要做什么才能拥有这个？(保留边界处的符号，但只有我指定的:.,!?:，不是全部) .

wor,d1 | , | : | word2 | . | wor,d3 | ? | word4 | !

---

更新

我使用这些正则表达式获得了一些不错的结果，但它在单词开头的所有标点符号拆分之前给出了一个空字符。

有没有办法让开头没有这个空字符？

这个正则表达式好还是有更简单的方法？

public static final String PUNCTUATION_SEPARATOR =
        "("
        + "("
        + "(?=^[\"'!?.,;:(){}\\[\\]]+)"
        + "|"
        + "(?<=^[\"'!?.,;:(){}\\[\\]]+)"
        + ")"
        + "|"
        + "("
        + "(?=[\"'!?.,;:(){}\\[\\]]+($|\n))"
        + "|"
        + "(?<=[\"'!?.,;:(){}\\[\\]]+($|\n))"
        + ")"
        + ")";

Answer 1

您确定要使用正则表达式吗？ 有一个更快的按单个字符拆分的实现:StringTokenizer。 它可以返回分隔符。

String str= "word1, word2. word3? word4!";
String delim = ",.!?";
StringTokenizer st = new StringTokenizer(str, delim, true);
while (st.hasMoreTokens()) {
  String token = st.nextToken();
  ... // token will be: "word1", ",", " word2", ".", etc...
}