Cách tách văn bản bằng regex, nhưng các từ được chia nhỏ tiếp tục giữ dấu phân cách regex?

Question

Tôi có một văn bản và sử dụng regex đơn giản này để chia nhỏ nó thành các từ: [ \n]. Nó chia tách văn bản thành các từ bằng cách sử dụng dấu cách và dấu ngắt dòng.

Tôi muốn biết nếu có cách nào để giữ khoảng trắng hoặc ngắt dòng trong từ được tách ra, vì tôi sẽ sử dụng điều này để phát hiện câu đơn giản sau khi xử lý một số.

Tôi đang sử dụng phương thức String#split.

Answer 1

Bạn có thể sử dụng lookbehind như @Piotr Findeisen đề nghị (+1):

public class RegexExample{ 
    public static void main(String[] args) { 
    String s = "firstWordWithSpaceAfter secondWordWithSpaceAfter wordWithLineBreakAfter\nlastWord"; 
    String sa[] = s.split("(?<=[ \\n])"); 
    for (String saa : sa) 
     System.out.println("[" + saa + "]"); 
    } 
} 

Output:

[firstWordWithSpaceAfter ] 
[secondWordWithSpaceAfter ] 
[wordWithLineBreakAfter 
] 
[lastWord] 

lời giải thích ngắn gọn:

?<= là nhìn về phía sau, có nghĩa là bạn có một khớp nếu dữ liệu trước biểu thức bạn đang tìm bằng bằng regex sau ?<= (trong trường hợp này là [ \\n])

[ \\n] là regex đó có nghĩa là một trong những nhân vật trong []

như vậy toàn bộ regex nói chia tay mỗi khi nhân vật trước khi biểu thức/từ là một trong hai không gian hoặc \n.

Vì chúng tôi không cố gắng khớp không gian hoặc \n, nó sẽ không xóa chúng.

Answer 2

Đồng ý sử dụng giao diện/lookahead dương có chiều rộng bằng không. Xem Pattern javadoc xung quanh cấu trúc đặc biệt (không chụp)

Answer 3

Tôi nghĩ rằng lựa chọn duy nhất của bạn là để làm một cái gì đó như thế này:

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(" ")); 
} 

Answer 4

Thật nhanh chóng ra khỏi đỉnh đầu của tôi, nếu regex luôn phù hợp với các ký tự đơn, bạn có thể sử dụng độ dài để xác định nơi chúng nằm trong chuỗi gốc. Sau đó, bạn có thể lấy một chuỗi con cho ký tự phân cách.

Bit bẩn, nhưng nên thực hiện thủ thuật.

Answer 5

Tôi vẫn không chắc chắn bạn đang cố gắng làm gì, nhưng nếu \ n có nghĩa khác thay vì "", bạn nên xử lý riêng chúng.

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