Java 正则表达式：要更改集合之一后面的字母大小写，HTML实体除外

示例：

rythm&blues                   -> Rythm&Blues  
.. DON'T WEAR WHITE/LIVE -> Don't Wear White/Live

首先，我将整个字符串转换为小写（因为我希望单词的开头只有大写）

我目前使用拆分模式来实现这一点：

[&/\\.\\s-]

然后我把零件的第一个字母转换成大写

它工作得很好，除了它还转换HTML实体之外，当然： 例如，

don&apos；t

转换为

don&Apos；t

但该实体应单独存在

在写这篇文章时，我发现了另外一个问题。。。最初转换为小写可能也会弄乱一些HTML实体。因此，实体应该完全独立。（例如，

Ç；

与

Ç；

不同）

HTML实体可能是这样匹配的：

&[a-z][a-z][a-z]{1,5}

我正在考虑对组做一些事情，但不幸的是，我发现很难弄清楚。
这里的解决方案可能是前瞻性断言。这意味着拆分仅当不是实体的开始时才应匹配
&
字符。这里的问题是，我不确定您的数据是否可以包含文本，这些文本可能会被误认为是一个实体（基本上是以
；
结尾的任何内容）。但现在我们假设它不是。这就是这种具有负前瞻模式的拆分的方式：

/(?!')[&/\.\s-]/

注意：这是一个只有
&apos实体。您可能希望扩展可能的实体列表或提供匹配所有有效实体的模式

这里有一个技巧（JS，但也应该在Java中工作）：
这个模式似乎可以处理您的情况

"\\w+|&#?\\w+;\\w*"

可能存在一些边缘情况，但我们可以在出现边缘情况时进行相应调整

模式分解：


\\w+
-匹配任何单词
&#？\\w+\\w*
-匹配HTML实体

代码示例：

public static void main(String[] args) throws Exception {
    String[] lines = {
        "rythm&blues",
        ".. DON'T WEAR WHITE/LIVE"
    };

    Pattern pattern = Pattern.compile("\\w+|&#?\\w+;\\w*");
    for (int i = 0; i < lines.length; i++) {
        Matcher matcher = pattern.matcher(lines[i]);
        while (matcher.find()) {
            if (matcher.group().startsWith("&")) {
                // Handle HTML entities 

                // There are letters after the semi-colon that 
                // need to be lower case
                if (!matcher.group().endsWith(";")) {
                    String htmlEntity = matcher.group();
                    int semicolonIndex = htmlEntity.indexOf(";");
                    lines[i] = lines[i].replace(htmlEntity,
                            htmlEntity.substring(0, semicolonIndex) +
                                    htmlEntity.substring(semicolonIndex + 1)
                                            .toLowerCase());
                }
            } else {
                // Uppercase the first letter of the word and lowercase
                // the rest of the word
                lines[i] = lines[i].replace(matcher.group(), 
                        Character.toUpperCase(matcher.group().charAt(0)) + 
                                matcher.group().substring(1).toLowerCase());
            }
        }
    }

    System.out.println(Arrays.toString(lines));
}

您是否有一个可以在您的数据中找到的实体列表，或者它应该考虑所有可能的实体？问题的第4段特别提到，整个文本小写是不可接受的。我也不认为一个团队可以（或应该）从
开始字符。话虽如此，回答得很好，我开始写类似的东西，问题应该很容易解决。哦，根据w3，HTML实体也可以用
#NUMBER
来引用，而不是名称（比如
<；
），正则表达式也应该反映出这一点。@Deltharis感谢您的帮助！更新的答案。非常满意这个解决方案。工作起来很有魅力。我不得不做一个小改动：htmlenty。子字符串（0，分号索引）应该是htmlenty。子字符串（0，分号索引+1）@dexter很高兴能帮上忙。请点击我答案的复选标记，这样你的问题就解决了。
[Rythm&Blues, .. Don&apos;t Wear White/Live]