Java 如何使用正则表达式拆分文本，但拆分的单词仍保留正则表达式分隔符？

我有一个文本，使用这个简单的正则表达式将其拆分为单词：

[\n]

。它使用空格和换行符将文本拆分为单词

我想知道是否有办法在拆分的单词中保留空格或换行符，因为经过一些处理后，我将使用它进行简单的句子检测

---

我使用的是

String#split

方法。

考虑使用零宽度正后向/前向。查看特殊构造（非捕获）

我认为您唯一的选择是执行以下操作：

String myString = "Joe Blow\n1234 Fake Road\nHere, There, 12345";
String[] lines = myString.split("\\n");
Set<String[]> wordsByLine = new LinkedHashSet<String[]>();
for (String line : lines) {
  wordsByline.add(line.split(" "));
}

String myString=“Joe Blow\n1234 Fake Road\nHere，那里，12345”；
字符串[]行=myString.split（\\n“）；
Set wordsByLine=newlinkedhashset（）；
用于（字符串行：行）{
wordsByline.add（line.split（“”））；
}

如果正则表达式总是匹配单个字符，那么可以使用长度来确定它们在原始字符串中的位置。然后，可以为定界字符取一个子字符串

---

有点脏，但应该可以做到。

您可以使用@Piotr Findeisen建议的lookback（+1）：

简要说明：

---

？我仍然不确定您想做什么，但是\n是否有不同的含义
而不是“”，则应分别处理

String[] sentences = text.split("\\n");
...
for (String sentence : sentences) {
    ...
    String[] words = sentence.split(" ");
    ...
}

您的\n是否有特殊含义（句末）？你不能用“.”作为句子的结尾处理多行的正常段落？@toto2标点符号也用于确定句子的结尾，但内容来自HTML内容，因此许多句子（如title）没有标点符号来确定句子的结尾，只有换行符。我不确定您在处理HTML时是否应该依赖\n，因为您可以在没有单个\n的情况下获得完美的文档。@TOTOTO2我正在处理的文本来自Boilerpipe API（一个外部HTML处理器），它包含根据HTML内容的换行符。@Renato Dinhani Concição-我不是正则表达式专家，但我希望他说得够清楚。你把正则表达式放在括号里。这是必要的？是的，我忘了提到，这是回顾的一部分。谢谢你的回答和解释。工作！：D
[firstWordWithSpaceAfter ]
[secondWordWithSpaceAfter ]
[wordWithLineBreakAfter
]
[lastWord]

String[] sentences = text.split("\\n");
...
for (String sentence : sentences) {
    ...
    String[] words = sentence.split(" ");
    ...
}