Java 多模式字符串拆分

我有一个文本，由不同的正则表达式分隔符组成，后跟文本。 在本例中，我有3个正则表达式分隔符（PatternA、B、C），文本如下所示：

|…字符串匹配A..文本1..字符串匹配B..文本2..字符串匹配A..文本3..字符串匹配C..文本4|

我正在寻找一种高效的Java解决方案，将信息提取为三元组列表：

• {PatternA，StringMatchingA，Text1}

• {PatternB，StringMatchingB，Text2}

• {PatternA，StringMatchingA，Text3}

• {PatternC，StringMatchingC，Text4}

有了这些信息，我知道每个三元组匹配的模式以及匹配的字符串

目前，我有这种方法，但我想我可以用高级正则表达式做一些更有效的事情

   String pattern = "?=(PatternA|PatternB|PatternC)";
   String()[] tokens = input.split(pattern);
   for(String token : tokens)
   {
      //if start of token matches patternA ...
      //elseif start of token matches pattern B...
      //etc...  
   }

备注:

• 模式是相互排斥的
• 字符串始终以至少一个模式开头

---

您可以使用循环，在代码块中，您可以“吃”文本开头的内容。 这样，每次迭代解析都非常简单，并且可以维护/扩展

简单的规则是：吃你发现的东西，然后处理它

像这样的

String chunk;
while(text.size() >0 {

    chunk = eat(text,pattern1);
    if (chunk.lengh()>0}{
       ...
       continue;
    }
    chunk = eat(text,pattern2);
    if (chunk.lengh()>0}{
       ...
       continue;
    }
 }

出于性能原因，您必须在进入循环之前编译regexp模式

---

（也可以考虑使用类似的解析器生成器）。

如果原始效率是您最关心的问题，那么您可能会发现自定义解析器可以获得更好的性能（一次读取一个字符，直到它碰到分隔符，然后返回一个标记）。否则，我唯一能建议的是，如果您经常调用

split（Pattern）

，那么就使用

private static final Pattern

，因为

String.split（String）

每次调用时都会创建一个新的

Pattern

对象，这在循环中代价很高。如果您不知道字符串中每个标记的出现顺序，然后将所有这些元素交替放置是通常的解决方案

（（PatternA）|（PatternB）|（PatternC））

。然而，不清楚这些模式是否是互斥的，或者是否存在两个模式可以匹配的字符串。也不清楚你是否希望在某个位置上没有任何模式匹配时发生“碰撞”；我们可以假设字符串以给定的模式之一开始。