java - 我想在Java中使用正则表达式对字符串执行split()，但想将定界标记保留在数组中

This question already exists:

Is there a way to split strings with String.split() and include the delimiters? [duplicate]

6年前关闭。




如何格式化我的正则表达式以允许这样做？

这是正则表达式:"\\b[(\\w'\\-)&&[^0-9]]{4,}\\b"
它正在寻找4个字母或更大的单词。

如果要拆分某篇文章，则需要一个数组，其中包括所有定界的值以及它们之间的所有值，所有值均按它们最初出现的顺序排列。因此，例如，如果要拆分下面的句子:“我需要购买新车。我更喜欢宝马。”，拆分后的理想结果是以下内容，其中斜体值是定界符。

“我”，“需要”，“到”，“购买”，“新”，“车辆”，“。我”，“会”，“，”，“偏爱”，“宝马”。

因此，所有> 4个字符的单词都是一个标记，而每个定界值之间的所有内容也都是单个标记(即使它是多个带有空格的单词)。我将只修改定界的值，并希望其他所有内容保持不变，包括空格，换行等。

我在a different thread中读到，我可以使用环视功能使它正常工作，但似乎无法正确设置其格式。甚至有可能使它按照我想要的方式工作？

最佳答案

我不确定您要做什么，但是如果您要修改至少包含四个字母的单词，可以使用类似的方法(它将使用=> 4个字母的单词更改为大写字母)

String data = "I need to purchase a new vehicle. I would prefer a BMW.";
Pattern patter =  Pattern.compile("(?<![a-z\\-_'])[a-z\\-_']{4,}(?![a-z\\-_'])",
        Pattern.CASE_INSENSITIVE);
Matcher matcher = patter.matcher(data);

StringBuffer sb = new StringBuffer();// holder of new version of our
                                        // data
while (matcher.find()) {// lets find all words
    // and change them with its upper case version
    matcher.appendReplacement(sb, matcher.group().toUpperCase());
}
matcher.appendTail(sb);// lets not forget about part after last match

System.out.println(sb);

输出:

I NEED to PURCHASE a new VEHICLE. I WOULD PREFER a BMW.

或者，如果您将替换代码更改为类似

matcher.appendReplacement(sb, "["+matcher.group()+"]");

你会得到

I [need] to [purchase] a new [vehicle]. I [would] [prefer] a BMW.

现在，您可以在每个[和]上拆分此类字符串，以获得所需的数组。