java正则表达式以空格分割，xml中的空格除外

我得到了一些带有XML标记的英语句子，例如：

word1 word2 word3 word4 word5 word6 word7 word8 word9 word10 word11 word12.

正如这句话所示，xml标记有三种可能（

，

，

）。这些标记中的字数可以是无限的

我需要在空白处分割它们，忽略那些XML标记中的空白。代码如下所示：

String mySentence = "<XXX>word1</XXX> word2 word3 <YYY>word4 word5 word6</YYY> word7 word8 word9 word10 <ZZZ>word11 word12</ZZZ>.";
String[] mySentenceSplit = mySentence.split("someUnknownRegex");
for (int i = 0; i < mySentenceSplit.length; i++) {
    System.out.println(mySentenceSplit[i]);
}

String mycentence=“word1 word2 word3 word4 word5 word6 word7 word8 word9 word10 word11 word12。”；
String[]mycentencesplit=mycentence.split（“someUnknownRegex”）；
for（int i=0；i

具体而言，对于上述示例，输出应如下所示：

mySentenceSplit[0] = <XXX>word1</XXX>
mySentenceSplit[1] = word2 
mySentenceSplit[2] = word3 
mySentenceSplit[3] = <YYY>word4 word5 word6</YYY>
mySentenceSplit[4] = word7 
mySentenceSplit[5] = word8 
mySentenceSplit[6] = word9 
mySentenceSplit[7] = word10
mySentenceSplit[8] = <ZZZ>word11 word12</ZZZ>.

mycentencesplit[0]=word1
mycentencesplit[1]=word2
mycentencesplit[2]=word3
mycentencesplit[3]=word4 word5 word6
mycentencesplit[4]=word7
mycentencesplit[5]=word8
mycentencesplit[6]=word9
mycentencesplit[7]=word10
mycentencesplit[8]=word11-word12。

---

要实现这一点，我必须在“someUnknownRegex”中插入什么？

使用捕获组和反向引用：

String sentence = "<XXX>word1</XXX> word2 word3 <YYY>word4 word5 word6</YYY> word7 word8 word9 word10 <ZZZ>word11 word12</ZZZ>.";
Pattern pattern = Pattern.compile("<(\\w+)[^>]*>.*?</\\1>\\.?|\\S+");
Matcher matcher = pattern.matcher(sentence);

while (matcher.find()) {
    System.out.println(matcher.group());
}

String-station=“word1 word2 word3 word4 word5 word6 word7 word8 word9 word10 word11 word12。”；
Pattern=Pattern.compile（“]*>.\\.？\\\\S+”；
Matcher Matcher=pattern.Matcher（句子）；
while（matcher.find（））{
System.out.println（matcher.group（））；
}

输出：

<XXX>word1</XXX>
word2
word3
<YYY>word4 word5 word6</YYY>
word7
word8
word9
word10
<ZZZ>word11 word12</ZZZ>.

word1
字2
字3
单词4单词5单词6
字7
字8
字9
字10
单词11单词12。

使用捕获组和反向引用：

String sentence = "<XXX>word1</XXX> word2 word3 <YYY>word4 word5 word6</YYY> word7 word8 word9 word10 <ZZZ>word11 word12</ZZZ>.";
Pattern pattern = Pattern.compile("<(\\w+)[^>]*>.*?</\\1>\\.?|\\S+");
Matcher matcher = pattern.matcher(sentence);

while (matcher.find()) {
    System.out.println(matcher.group());
}

String-station=“word1 word2 word3 word4 word5 word6 word7 word8 word9 word10 word11 word12。”；
Pattern=Pattern.compile（“]*>.\\.？\\\\S+”；
Matcher Matcher=pattern.Matcher（句子）；
while（matcher.find（））{
System.out.println（matcher.group（））；
}

输出：

<XXX>word1</XXX>
word2
word3
<YYY>word4 word5 word6</YYY>
word7
word8
word9
word10
<ZZZ>word11 word12</ZZZ>.

word1
字2
字3
单词4单词5单词6
字7
字8
字9
字10
单词11单词12。

使用捕获组和反向引用：

String sentence = "<XXX>word1</XXX> word2 word3 <YYY>word4 word5 word6</YYY> word7 word8 word9 word10 <ZZZ>word11 word12</ZZZ>.";
Pattern pattern = Pattern.compile("<(\\w+)[^>]*>.*?</\\1>\\.?|\\S+");
Matcher matcher = pattern.matcher(sentence);

while (matcher.find()) {
    System.out.println(matcher.group());
}

String-station=“word1 word2 word3 word4 word5 word6 word7 word8 word9 word10 word11 word12。”；
Pattern=Pattern.compile（“]*>.\\.？\\\\S+”；
Matcher Matcher=pattern.Matcher（句子）；
while（matcher.find（））{
System.out.println（matcher.group（））；
}

输出：

<XXX>word1</XXX>
word2
word3
<YYY>word4 word5 word6</YYY>
word7
word8
word9
word10
<ZZZ>word11 word12</ZZZ>.

word1
字2
字3
单词4单词5单词6
字7
字8
字9
字10
单词11单词12。

使用捕获组和反向引用：

String sentence = "<XXX>word1</XXX> word2 word3 <YYY>word4 word5 word6</YYY> word7 word8 word9 word10 <ZZZ>word11 word12</ZZZ>.";
Pattern pattern = Pattern.compile("<(\\w+)[^>]*>.*?</\\1>\\.?|\\S+");
Matcher matcher = pattern.matcher(sentence);

while (matcher.find()) {
    System.out.println(matcher.group());
}

String-station=“word1 word2 word3 word4 word5 word6 word7 word8 word9 word10 word11 word12。”；
Pattern=Pattern.compile（“]*>.\\.？\\\\S+”；
Matcher Matcher=pattern.Matcher（句子）；
while（matcher.find（））{
System.out.println（matcher.group（））；
}

输出：

<XXX>word1</XXX>
word2
word3
<YYY>word4 word5 word6</YYY>
word7
word8
word9
word10
<ZZZ>word11 word12</ZZZ>.

word1
字2
字3
单词4单词5单词6
字7
字8
字9
字10
单词11单词12。

这是您想要的拆分正则表达式：

String[] split = str.split(" +(?=[^<]*(<[^/]|$)");

---

String[]split=str.split（“+（？=[^这是您想要的split正则表达式：

String[] split = str.split(" +(?=[^<]*(<[^/]|$)");

String[]split=str.split（“+（？=[^这是您想要的split正则表达式：

String[] split = str.split(" +(?=[^<]*(<[^/]|$)");

String[]split=str.split（“+（？=[^这是您想要的split正则表达式：

String[] split = str.split(" +(?=[^<]*(<[^/]|$)");

String[]split=str.split（“+（？=[^kiltek），重新提出这个问题，因为它有一个简单的正则表达式解决方案，但没有提到。（在对一个问题进行研究时发现了您的问题。）

关于使用正则表达式解析xml的所有免责声明，下面是一个简单的正则表达式：

<.*?</[^>]*>|( )

|（）

替换的左侧匹配完整的xml标记。我们将忽略这些匹配。右侧匹配并捕获组1中的空格，我们知道它们是右侧空格，因为左侧的表达式不匹配它们

以下是工作代码（请参阅）：

import java.util.*；
导入java.io.*；
导入java.util.regex.*；
导入java.util.List；
班级计划{
公共静态void main（字符串[]args）引发java.lang.Exception{
字符串主题=“word1 word2 word3 word4 word5 word6 word7 word8 word9 word10 word11 word12”；
Pattern regex=Pattern.compile（“|（）”）；
Matcher m=正则表达式Matcher（主题）；
StringBuffer b=新的StringBuffer（）；
while（m.find（））{
如果（m.group（1）！=null）m.appendReplacement（b，“SplitHere”）；
其余m组（b，m组（0））；
}
m、 附件（b）；
字符串替换=b.toString（）；
String[]splits=replaced.split（“SplitHere”）；
对于（字符串拆分：拆分）System.out.println（拆分）；
}//末端总管
}//结束程序

参考



kiltek，重新提出这个问题，因为它有一个简单的regex解决方案，但没有提到。（在为一个项目做一些研究时发现了您的问题。）

关于使用正则表达式解析xml的所有免责声明，下面是一个简单的正则表达式：

<.*?</[^>]*>|( )

|（）

替换的左侧匹配完整的xml标记。我们将忽略这些匹配。右侧匹配并捕获组1中的空格，我们知道它们是右侧空格，因为左侧的表达式不匹配它们

以下是工作代码（请参阅）：

import java.util.*；
导入java.io.*；
导入java.util.regex.*；
导入java.util.List；
班级计划{
公共静态void main（字符串[]args）引发java.lang.Exception{
字符串主题=“word1 word2 word3 word4 word5 word6 word7 word8 word9 word10 word11 word12”；
Pattern regex=Pattern.compile（“|（）”）；
Matcher m=正则表达式Matcher（主题）；
StringBuffer b=新的StringBuffer（）；
while（m.find（））{
如果（m.group（1）！=null）m.appendReplacement（b，“SplitHere”）；
其余m组（b，m组（0））；
}
m、 附件（b）；
字符串替换=b.toString（）；
String[]splits=replaced.split（“SplitHere”）；
对于（字符串拆分：拆分）System.out.println（拆分）；
}//末端总管
}//结束程序

参考



kiltek，重新提出这个问题，因为它有一个简单的正则表达式解决方案