Java開發筆記（三十七）利用正則串分割字符串

前面介紹了處理字符串的經常使用方法，還有一種分割字符串的場景也很常見，也就是按照某個規則將字符串切割爲若干子串。分割規則一般是指定某個分隔符，根據字符串內部的分隔符將字符串進行分割，例如逗號、空格等等均可以做爲字符串的分隔符。正好String類型提供了split方法用於切割字符串，只要字符串變量調用split方法，並把分隔符做爲輸入參數，該方法便可返回分割好的字符串數組。
下面的split調用代碼例子演示瞭如何按照逗號和空格切割字符串：

	// 經過逗號分割字符串
	private static void splitByComma() {
		String commaStr = "123,456,789";
		// 利用split方法指定按照逗號切割字符串
		String[] commaArray = commaStr.split(",");
		for (String item : commaArray) {
			System.out.println("comma item = "+item);
		}
	}

	// 經過空格分割字符串
	private static void splitBySpace() {
		String spaceStr = "123 456 789";
		// 利用split方法指定按照空格切割字符串
		String[] spaceArray = spaceStr.split(" ");
		for (String item : spaceArray) {
			System.out.println("space item = "+item);
		}
	}

除了逗號和空格之外，點號和豎線也經常用來分隔字符串，可是對於點號和豎線，split方法的調用代碼不會獲得預期的結果。相反，split(".")沒法獲得分割後的字符串數組，也就是說結果的字符串數組爲空；而split("|")分割獲得的字符串數組，每一個數組元素只有一個字符，其結果相似於toCharArray。究其緣由，緣於split方法的輸入參數理應是個正則串，並不是普通的分隔字符。因爲點號和豎線都是正則串的保留字符，所以沒法直接在正則串中填寫，必須進行轉義處理方可。如同回車符和換行符在普通字符串中經過前綴的反斜杆轉義那樣（回車符對應\r，換行符對應\n），正則字符串經過在原字符前面添加兩個反斜杆來轉義，像點號字符在正則串中對應的轉義符爲「\\.」，而豎線在正則串中對應的轉義符爲「\\|」。通過轉移處理以後，經過點號和豎線切割字符串的正確代碼寫法以下所示：

	// 經過點號分割字符串
	private static void splitByDot() {
		String dotStr = "123.456.789";
		// split(".")沒法獲得分割後的字符串數組
		//String[] dotArray = dotStr.split(".");
		// 點號是正則串的保留字符，須要進行轉義（在點號前面加兩個反斜杆）
		String[] dotArray = dotStr.split("\\.");
		for (String item : dotArray) {
			System.out.println("dot item = "+item);
		}
	}

	// 經過豎線分割字符串
	private static void splitByLine() {
		String lineStr = "123|456|789";
		// split("|")分割獲得的字符串數組，每一個數組元素只有一個字符，相似於toCharArray的結果
		//String[] lineArray = lineStr.split("|");
		// 豎線是正則串的保留字符，須要進行轉義（在豎線前面加兩個反斜杆）
		String[] lineArray = lineStr.split("\\|");
		for (String item : lineArray) {
			System.out.println("line item = "+item);
		}
	}

豎線符號之因此被定爲正則串的保留字符，是由於它在正則表達式裏起到了「或」的判斷做用，例如正則串「,| 」表示逗號和空格都是知足條件的分隔符；一個字符串若是同時包含一個逗號和一個空格，那麼按照「,| 」切割的結果將是長度爲3的字符串數組；也就是說，原始串被逗號分割一次後又被空格分割一次，這樣一共分割兩次最終獲得了三個子串。下面的代碼演示了使用正則串「,| 」切割字符串的效果：

	// 利用豎線同時指定多個串來分割字符串
	private static void splitByMixture() {
		String mixtureStr = "123,456 789";
		// 正則串裏的豎線表示「或」，豎線左邊和右邊的字符均可以用來分割字符串
		String[] mixtureArray = mixtureStr.split(",| ");
		for (String item : mixtureArray) {
			System.out.println("mixture item = "+item);
		}
	}

 

固然，正則串中的保留字符不只包括點號和豎線，還包括好些常見的符號，好比加號（+）、星號（*）、橫線（-），在正則串中均需進行轉義。其中加號的正則轉義符爲「\\+」，星號的正則轉義符爲「\\*」，橫線的正則轉義符爲「\\-」。這麼估摸下，加減乘除的四則運算符號，只有除法的斜杆符（/）、取餘數的百分號（%）無需轉義處理。假若有個字符串，要求以四則運算的五個符號進行切割，則需經過豎線把這幾個轉義後的字符加以鏈接，構成形如「\\+|\\*|\\-|/|%」的正則串。因而按照加減乘除符號切割字符串的代碼就變爲下面這樣：

	// 經過算術的加減乘除符號來分割字符串
	private static void splitByArith() {
		String arithStr = "123+456*789-123/456%789";
		// 正則串裏的加號、星號、橫線都要轉義，加減乘除符號之間經過豎線隔開
		String[] arithArray = arithStr.split("\\+|\\*|\\-|/|%");
		for (String item : arithArray) {
			System.out.println("arith item = "+item);
		}
	}

 

分割用的正則串，不僅僅是一個個字符，還支持好幾個字符組成的字符串。譬如「(1)」、「(2)」、「(3)」均可以做爲分隔串，注意圓括號內部的數字能夠是0到9，如此一來，從「(0)」到「(9)」的分隔串合集豈不是要寫成如下這般：「(0)|(1)|(2)|(3)|(4)|(5)|(6)|(7)|(8)|(9)」？然而以上正則串的寫法有兩個錯誤：
一、圓括號也是正則表達式的保留字符，因此不能直接在正則串中書寫「(」和「)」，而必須寫成轉義形式「\\(」和」「\\)」。
二、做爲保留字符的圓括號，其做用相似數值計算之時的圓括號，都是經過圓括號把括號內外的運算區分開。而豎線符號「|」的或運算優先級不如圓括號，所以每逢複雜一點的或運算，應當把圓括號放在整個邏輯運算式子的外面。
綜合以上兩點，修正以後的正則串應該改爲下列形式：「\\((0|1|2|3|4|5|6|7|8|9)\\)」。但是該式子的豎線太多，意思僅僅是獲取0到9之間的某個數字之一，針對這種狀況，正則表達式引入了另一種簡化的寫法，即經過方括號包裹0123456789，形如「\\([0123456789]\\)」，一樣指代0到9之間的某個數字，從而省略了若干個豎線。進一步說，平常生活中0到9，經常寫作「0-9」，因而對應更簡單的正則串「\\([0-9]\\)」。
其實0到9正好涵蓋了全部的一位數字，對於一位數字而言，正則表達式提供了專門的表達式「\\d{1}」。式子前面的「\\d」表明某個數字，式子後面的「{1}」表明字符數量是1位。推而廣之，「\\d{2}」表示兩位數字，「\\d{3}」表示三位數字，等等。像這個正則例子只有一位數字，甚至尾巴的「{1}」均可以去掉，由於「\\d」默認就是一位數字。
一口氣介紹了許多種從0到9的正則表達串，接下來不妨逐一驗證這些正則串是否有效，驗證用的代碼例子以下所示：

	// 經過圓括號及其內部數字來分割字符串
	private static void splitByBracket() {
		String bracketStr = "(1)123;(2)456;(3)789;";
		// 圓括號也是正則串的保留字符，0到9這九個數字使用豎線隔開
		//String[] bracketArray = bracketStr.split("\\((0|1|2|3|4|5|6|7|8|9)\\)");
		// 利用方括號彙集一羣字符，表示這些字符之間是「或」的關係，故而可省略豎線
		//String[] bracketArray = bracketStr.split("\\([0123456789]\\)");
		// 連續的數字可以使用橫線鏈接首尾數字，例如「0-9」表示從0到9之間的全部數字
		//String[] bracketArray = bracketStr.split("\\([0-9]\\)");
		// 利用「\\d」便可表達0到9的數字，後面的{1}表示1位數字，依此類推{3}表示三位數字
		//String[] bracketArray = bracketStr.split("\\(\\d{1}\\)");
		// 「\\d」默認就是1位數字，此時後面的{1}可直接略去
		String[] bracketArray = bracketStr.split("\\(\\d\\)");
		for (String item : bracketArray) {
			System.out.println("bracket item = "+item);
		}
	}

 

上述的幾種正則串，只能表達從「(0)」到「(9)」的分隔串，然而圓括號內部還多是兩位數字或者三位數字，好比「(10)」、「(12)」、「(001)」這樣。對於數字位數不固定的狀況，能夠把「\\d」改成「\\d+」，末尾多出來的加號，表示前面的字符容許有一位，也容許有多位。此時正則串添加了加號的字符串切割代碼見下：

	// 經過特殊符號的加號來分割字符串
	private static void splitWithPlus() {
		String bracketStr = "(1)123;(2)456;(13)789;";
		// 正則串裏的加號表示能夠有1到多個前面的字符
		String[] bracketArray = bracketStr.split("\\(\\d+\\)");
		for (String item : bracketArray) {
			System.out.println("plus item = "+item);
		}
	}

 

上面說的位數不固定，畢竟至少還有一位。假設如今某個字符不但位數不肯定，甚至還可能沒有該字符（位數爲0），採用寫法「\\d+」就沒法奏效了。要想知足位數無關緊要的狀況，需將末尾的加號換成星號，也就是改爲「\\d*」，此時改用星號的字符串切割代碼變爲下面這般：

	// 經過特殊符號的星號來分割字符串
	private static void splitWithStar() {
		String bracketStr = "()123;(2)456;(13)789;";
		// 正則串裏的星號表示能夠有0到多個前面的字符
		String[] bracketArray = bracketStr.split("\\(\\d*\\)");
		for (String item : bracketArray) {
			System.out.println("star item = "+item);
		}
	}

 

到目前位置，分隔符還僅限於標點和數字，若是引入英文字母做爲分隔串，又該如何書寫呢？注意英文字母區分大小寫，於是使用「a-z」表示全部的小寫字母，使用「A-Z」表示全部的大寫字母。若是採納「(a)」、「(B)」、「(c)」這種大小寫混合的分隔串，就得經過正則串「\\([a-zA-Z]\\)」來表達，對應的字符串切割代碼以下所示：

	// 經過大小寫字母來分割字符串
	private static void splitWithLetter() {
		String bracketStr = "(a)123;(B)456;(c)789;";
		// 在正則串中表達小寫字母和大寫字母
		String[] bracketArray = bracketStr.split("\\([a-zA-Z]\\)");
		for (String item : bracketArray) {
			System.out.println("letter item = "+item);
		}
	}

 

如今有個麻煩的業務場景，圓括號內部不但多是數字和字母，還多是其它標點符號，這下難不成把衆多標點符號一個個羅列出來？要知道標點符號可沒有「0-9」、「a-z」、「A-Z」的簡單寫法噢。不過這難不倒強大的正則表達式，由於點號做爲正則的保留字符，它表明了除回車\r和換行\n之外的其它字符，因此使用「\\(.\\)」便可表達符合要求的任意字符了，固然是被圓括號包裹着的、除了回車\r和換行\n之外的任意字符。下面即是匹配前述場景的字符串切割代碼例子：

	// 經過特殊符號的點號來分割字符串
	private static void splitWithDot() {
		String bracketStr = "(1)123;(B)456;(%)789;";
		// 正則串裏的點號表示除了回車\r和換行\n之外的其它字符
		String[] bracketArray = bracketStr.split("\\(.\\)");
		for (String item : bracketArray) {
			System.out.println("dot item = "+item);
		}
	}

　　

更多Java技術文章參見《Java開發筆記（序）章節目錄》