Java 使用正则表达式拆分字符串\w\w*\w+；？

我正在学习regexp，我想我已经开始掌握了。但是

我试图拆分一个字符串，我需要帮助来理解这样一个简单的事情：

String input = "abcde";
System.out.println("[a-z] " + Arrays.toString(input.split("[a-z]")));
System.out.println("\\w " + Arrays.toString(input.split("\\w")));
System.out.println("\\w*? " + Arrays.toString(input.split("\\w*?")));
System.out.println("\\w+? " + Arrays.toString(input.split("\\w+?")));

The output is
[a-z] - []
\w    - []
\w*?  - [, a, b, c, d, e]
\w+?  - []

为什么前两行中的任何一行都不拆分任何字符上的字符串？ 第三个表达式\w*？，（问号防止贪婪）如我所料工作，在每个字符上拆分字符串。零个或多个匹配的星号返回空数组

我在记事本++和一个程序中尝试过该表达式，它显示了5个匹配项，如中所示：

Scanner ls = new Scanner(input);
while(ls.hasNext())
    System.out.format("%s ", ls.findInLine("\\w");

Output is: a b c d e

---

这真的让我很困惑

如果你用正则表达式分割一个字符串，你基本上就知道应该在哪里剪切字符串。这必然会删除与正则表达式匹配的内容。这意味着如果在

\w

处拆分，则每个字符都是拆分点，并且返回它们之间的子字符串（全部为空）。Java会自动删除尾随的空字符串，如中所述

这也解释了为什么惰性匹配

\w*？

将为您提供每个字符，因为它将匹配任何字符（零宽度）之间（以及之前和之后）的每个位置。剩下的是字符串本身的字符

让我们把它分解一下：

[a-z]

，

\w

，

\w+？

  a  b  c  d  e
└┘ └┘ └┘ └┘ └┘ └┘

你的绳子是

abcde

比赛内容如下：

 a  b  c  d  e
└─┘└─┘└─┘└─┘└─┘

这会在匹配之间留下子字符串，所有子字符串都是空的

上述三个正则表达式在这方面的行为相同，因为它们都只匹配一个字符

\w+？

将这样做，因为它缺少任何其他约束，这些约束可能会使

+？

尝试匹配的不仅仅是简单的最小值（毕竟它是懒惰的）

\w*？

  a  b  c  d  e
└┘ └┘ └┘ └┘ └┘ └┘

在这种情况下，匹配在字符之间，留下以下子字符串：

"", "a", "b", "c", "d", "e", ""

不过，Java将后面的空文件扔掉了

在模式的每个匹配处剪切字符串：

此方法返回的数组包含此字符串的每个子字符串，该子字符串由与给定表达式匹配的另一个子字符串终止，或由字符串结尾终止

因此，无论何时匹配像

[a-z]

这样的模式，字符串都会在该匹配处剪切。由于字符串中的每个字符都与模式匹配，因此生成的数组为空（删除尾随的空字符串）

---

这同样适用于

\w

和

\w+？

（一个或多个

\w

，但重复次数尽可能少）。

\w*？

产生了您所期望的结果，这是由于

*？

量词可能会匹配零重复，因此为空字符串。在给定字符串的每个位置都会找到一个空字符串。

让我们将这些调用分解为。关键是要从Java文档中注意到，“方法的工作方式就像使用给定的表达式和零的limit参数调用一样。因此，结果数组中不包括尾随的空字符串。”

这一个匹配每个字符（a、b、c、d、e），并且只在它们之间产生空字符串，这些字符串被省略

"abcde".split("\\w")); // => []

"abcde".split("\\w*?")); // => ["", "a", "b", "c", "d", "e"]

同样，字符串中的每个字符都是单词字符（

\w

），因此结果是空字符串，这些字符串将被忽略

"abcde".split("\\w")); // => []

"abcde".split("\\w*?")); // => ["", "a", "b", "c", "d", "e"]

在这种情况下，

*

表示“前面的项为零或多个”（

\w

），它与空表达式匹配七次（一次在字符串开头，然后在每个字符之间匹配一次）。所以我们得到第一个空字符串，然后是每个字符

"abcde".split("\\w+?")); // => []

这里的

+

表示“前面的一个或多个项”（

\w

），它与整个输入字符串相匹配，只产生空字符串，该字符串被省略

---

使用

input.split（regex，-1）

再次尝试这些示例，您应该会看到所有的空字符串。

我也想接受您的答案，谢谢您的帮助@肯尼特：当然，请考虑一下你认为有帮助的答案。我不敢相信你用java来分配ReGEX作业，而不是用不需要\\Dou\\O\\Uu \ BB\\\\\B\\A\\Acc\cc\\k\\\\\AA\\\\\\H\\HH\EE！！多痛苦啊！此外，您甚至不需要对正则表达式语法进行编译时检查，也不需要调试，等等。Java对这种工作不是很方便。您应该用一种更具同情心的语言开发正则表达式，然后将最终结果转换为Java。@tchrist您在考虑什么语言？除了sed和awk等shell工具外，Perl和Ruby还有一流的正则表达式，甚至Python也允许您跳过双反斜杠。Perl是唯一一个使用正则表达式调试器的调试器。Java的

split

丢弃了后面的空字段，因为它模仿了Perl的

split

，后者就是这样做的。在这两种语言中，您都可以通过向

-1

的

拆分添加另一个参数来抑制该行为。