Java 如何拆分字符串，包括标点符号？

我需要拆分一个字符串（在Java中），其中标点符号存储在与单词相同的数组中：

String sentence = "In the preceding examples, classes derived from...";
String[] split = sentence.split(" ");

我需要拆分数组：

split[0] - "In"
split[1] - "the"
split[2] - "preceding"
split[3] - "examples"
split[4] - ","
split[5] - "classes"
split[6] - "derived"
split[7] - "from"
split[8] - "..."

---

有什么优雅的解决方案吗？

您可以对字符串进行清理，将所有您想要区分的标点符号替换为“，”等等

在“…”的特殊情况下，您可以执行以下操作：

// there can be series of dots
sentence.replace(".", " .").replace(". .", "..")

然后你就分手了

---

编辑：将单引号替换为双引号。

您需要查看以下内容：

String[] split = sentence.split(" ?(?<!\\G)((?<=[^\\p{Punct}])(?=\\p{Punct})|\\b) ?");

---

对于您的特殊情况，两个主要挑战是排序（例如，先是标点符号，然后是单词或其他方式）和

…

标点符号

剩下的部分，您可以使用

\p{Punct}

像这样：

Pattern.compile("\p{Punct}");

关于上述两项挑战：

1.订购： 您可以尝试以下操作：

private static final Pattern punctuation = Pattern.compile("\\p{Punct}");
private static final Pattern word = Pattern.compile("\\w");

public static void main(String[] args) {
    String sentence = "In the preceding examples, classes derived from...";
    String[] split = sentence.split(" ");
    List<String> result = new LinkedList<>();

    for (String s : split) {
        List<String> withMarks = splitWithPunctuationMarks(s);
        result.addAll(withMarks);
    }
}

private static void List<String> splitWithPunctuationMarks(String s) {
    Map<Integer, String> positionToString = new TreeMap<>();
    Matcher punctMatcher = punctuation.matcher(s);
    while (punctMatcher.find()) {
        positionToString.put(punctMatcher.start(), punctMatcher.group())
    }
    Matcher wordMatcher = // ... same as before
    // Then positionToString.values() will contain the 
    // ordered words and punctuation characters.
}

private static final Pattern标点=Pattern.compile（\\p{Punct}）；
私有静态最终模式word=Pattern.compile（\\w”）；
公共静态void main（字符串[]args）{
String-句子=“在前面的示例中，派生自…”的类；
String[]split=句子。split（“”）；
列表结果=新建LinkedList（）；
用于（字符串s:拆分）{
带标记列表=带标点符号拆分；
结果：添加全部（带标记）；
}
}
带标点符号（字符串s）的专用静态无效列表拆分{
映射位置字符串=新树映射（）；
匹配器匹配器=标点符号匹配器；
while（punchmatcher.find（））{
positionToString.put（putchMatcher.start（），putchMatcher.group（））
}
Matcher wordMatcher=/…与之前相同
//然后positionToString.values（）将包含
//有序单词和标点符号。
}

…

您可以尝试在每次找到

字符时，在（currentIndex-1）处查找以前出现的

字符

---

您可以尝试先用省略号字符替换三个点：

    String sentence = "In the preceding examples, classes derived from...";
    String[] split = sentence.replace("...", "…").split(" +|(?=,|\\p{Punct}|…)");

---

之后，您可以保持原样，或者通过在整个阵列上运行

replace（“…”，“…”）

将其转换回原样。

我相信此方法可以满足您的需要

public static List<String> split(String str) {
    Pattern pattern = Pattern.compile("(\\w+)|(\\.{3})|[^\\s]");
    Matcher matcher = pattern.matcher(str);
    List<String> list = new ArrayList<String>();
    while (matcher.find()) {
        list.add(matcher.group());
    }
    return list;
}

名单将是

[0] In
[1] the
[2] preceding
[3] examples
[4] ,
[5] classes
[6] .
[7] .
[8] derived
[9] from
[10] ...
[11] Hello
[12] ,
[13] World
[14] !
[15] foo
[16] !
[17] bar

---

现在我要说的是，要实现您想要的目标，最简单、可能也是最干净的方法是专注于在数组中查找您想要的数据，而不是找到拆分文本的位置

我这样说是因为

split

引入了很多问题，例如：

• split（“+|（？=\\p{Punct}）”

  将只在空格和标点符号前面拆分，这意味着像

  “abc”def

  这样的文本将拆分为

  “abc

  ”

  def

  。因此，正如您所看到的，它不会在abc中的

  “

  之后拆分

---

• 前面的问题可以通过在这里添加另一个

  |（？另一个示例来轻松解决。此解决方案可能适用于所有组合
  
  import java.util.ArrayList；
  导入java.util.List；
  导入java.util.regex.Matcher；
  导入java.util.regex.Pattern；
  公共类应用程序{
  公共静态void main（字符串[]args）{
  String-句子=“在前面的示例中，派生自…”的类；
  列表=使用标点符号拆分（句子）；
  系统输出打印项次（列表）；
  }
  公共静态列表拆分带标点符号（字符串句子）{
  Pattern p=Pattern.compile（“（[^a-zA-Z\\d\\s]+）”；
  String[]split=句子。split（“”）；
  列表=新的ArrayList（）；
  用于（字符串s:拆分）{
  匹配器匹配器=p.Matcher（s）；
  布尔值=false；
  int i=0；
  while（matcher.find（））{
  发现=真；
  添加（s.substring（i，matcher.start（））；
  添加（s.substring（matcher.start（），matcher.end（））；
  i=matcher.end（）；
  }
  如果（找到）{
  如果（i
  
  输出：
  
  In
  (
  the
  )
  preceding
  examples
  ,
  classes
  derived
  from
  ...
  
  In
  the
  preceding
  examples
  ,
  classes
  derived
  from 
  ...
  
  In
  the
  preced
  ^^^
  in
  ##
  examp
  !
  les
  ,
  classes
  derived
  from
  ...
  
  一个更复杂的例子：
  
  String-sensume=“在前面的例子中，类派生自…”；
  列表=使用标点符号拆分（句子）；
  系统输出打印项次（列表）；
  
  输出：
  
  In
  (
  the
  )
  preceding
  examples
  ,
  classes
  derived
  from
  ...
  
  In
  the
  preceding
  examples
  ,
  classes
  derived
  from 
  ...
  
  In
  the
  preced
  ^^^
  in
  ##
  examp
  !
  les
  ,
  classes
  derived
  from
  ...
  
  你希望这有多聪明？你想让婆婆留下一个字吗？@storojs72你在回应谁？如果你能给出完整的要求，那就太好了。现在看来，我们给出的任何答案都不会是完美的，因为它可能无法解决其中一个
  （特殊情况…！？）
  不太可能
  ！=
  不可能
  因此，您需要决定如何处理此类情况。您是否尝试过任何方法，或者您只是希望有人为您做些什么？显示您迄今为止尝试过的方法。这不是正确的Java语法。应该改为使用双引号来编写。这包含一个错误。如前所述它返回：
  [In，the，previous，examples，，classes，derived，from，…]
  。再次执行最后一次替换将修复它，但将最后一次替换更改为：
  .replace（“…”，“…”）的更优雅的解决方案是：
  ：还要注意，这对正确分割逗号没有任何作用。在我看来，这就是我要寻找的。
  Arrays.stream（split.forEach（System.out:：println）
  这是Java 8的语法？这也是我的第一个想法，但这无法正确处理大小写
  …
  。此外，如果OP语句的格式不正确，例如
  foo！bar
  ，我们将以
  foo
  ！bar
  结束。实际上，问题中遗漏了太多重要的细节，无法正确回答。请参阅@Mich阿科达斯answer@Pshemo我用你教给我的技巧使它正常工作（使用我能想到的边缘情况）：
  \G
  ：）@storojs72我重写了我的正则表达式，以正确地完成整个工作，没有任何额外的我
  In
  the
  preced
  ^^^
  in
  ##
  examp
  !
  les
  ,
  classes
  derived
  from
  ...