Java 扫描程序中的正则表达式只找到第一个匹配项

我有一个文本文件，其中包含许多需要解析的文章

我需要检索每篇文章中的每一个单词，不包括任何句号、逗号等。这些文章由特定的两行分隔，我正在尝试使用正则表达式模式来查找这些要点

该文件的示例如下：

.I 1
.W
this is article one.         
.I 2
.W
this is article two.                   
.I 3
.W
this is article three. 

下面的代码似乎找到了第一个出现的

.I 1

，并添加了所有后续单词，但一旦它到达下一个分隔符，它就会将其作为单词添加，而不是跳过它

Scanner scanner = new Scanner(document);
scanner.useDelimiter("[^\\w']+");
String separator;
while (scanner.hasNext()){
    separator = scanner.findInLine(Pattern.compile(".I \\d"));
    if (separator!= null) {
        System.out.println("Found: " + separator);
        scanner.nextLine();
        scanner.nextLine();
    }
    list.add(scanner.next());
}
scanner.close();

如果可能的话，我也希望能够抓取实际的文章编号，这是附加到每个分隔符的编号

---

我的代码出了什么问题？

问题是，既然你告诉

扫描器

使用除单词字符和记号之外的所有字符作为分隔符，那么

I

前面的点就会被

扫描器所使用。next（）

每次在

查找行

搜索中出现时，它都会被消耗掉

您可以通过逐行读取输入而不是逐字读取来解决此问题，如下所示：

list.add(scanner.nextLine());

要获取项目编号，请分析从字符3开始的分隔符：

int num = Integer.valueOf(separator.substring(3));

下面是一个从标准输入读取的演示：

Scanner scanner = new Scanner(System.in);
scanner.useDelimiter("[^\\w']+");
String separator;
Pattern rx = Pattern.compile(".I \\d");
while (scanner.hasNext()){
    separator = scanner.findInLine(rx);
    if (separator!= null) {
        int num = Integer.valueOf(separator.substring(3));
        System.out.println("Found: " + separator+", article number: "+num);
        scanner.nextLine();
        scanner.nextLine();
    }
    System.out.println(scanner.nextLine());
}
scanner.close();

---

谢谢。我最终使用了一种变体，即在扫描仪中不使用分隔符。一旦我有了每一行，我就使用String.split和原始的分隔符regex来获得每个单词。