前瞻和组

Question

在Java中，像foo <on> bar </on> thing <on> again</on> now一文中，我希望有一个正则表达式与组至极给我一个发现“富”，“酒吧”，空字符串，那么“东西”，“再次”，“现在”。

如果我做(.*?)<on>(.*?)</on>(?!<on>)，我只得到两个组（富吧，再次，我还没有结束“现在”）。

如果我做(.*?)<on>(.*?)</on>((?!<on>))我得到富巴空字符串，然后再的事情，空字符串（这里我应该想“现在”）。

请什么神奇公式？

谢谢。

Answer 1

我建议

• 没有必要<on>之前匹配文本后</on>
• 使用非贪婪的标志，以<on>和明年</on>
• 之间的匹配文本使用循环与Matcher.find()测序通过所有事件，如果可能的话。没有必要一次完成一个大的脂肪正则表达式！

Answer 2

如果你坚持使用正则表达式这样做，那么你可以尝试使用\s*<[^>]*>\s*作为分隔符：

String text = "foo <on> bar </on> thing <on> again</on> now"; 
    String[] parts = text.split("\\s*<[^>]*>\\s*"); 
    System.out.println(java.util.Arrays.toString(parts)); 
    // "[foo, bar, thing, again, now]" 

我不知道这是否是你所需要的东西，因为它是不完全清楚。

---

也许需要一个像这样：

String text = "1<on>2</on>3<X>4</X>5<X>6</X>7<on>8</on><X>9</X>10"; 
    String[] parts = text.split("\\s*</?on>\\s*|<[^>]*>[^>]*>"); 
    System.out.println(java.util.Arrays.toString(parts)); 
    // prints "[1, 2, 3, 5, 7, 8, , 10]" 

这不处理嵌套的标签。如果你有这些，你真的想转储正则表达式并使用一个实际的HTML解析器。

如果你不想在阵列中间的空字符串，那么就(?:delimiter)+。

String text = "1<on>2</on>3<X>4</X>5<X>6</X>7<on>8</on><X>9</X>10"; 
    String[] parts = text.split("(?:\\s*</?on>\\s*|<[^>]*>[^>]*>)+"); 
    System.out.println(java.util.Arrays.toString(parts)); 
    // prints "[1, 2, 3, 5, 7, 8, 10]"