使用Java中的正则表达式拆分具有转义序列的字符串

要拆分的字符串

abc:def:ghi\:klm:nop 

应根据“：”分割字符串“\”是转义字符。 所以“\：”不应被视为令牌。

split（“：”）给出

 [abc] [def] [ghi\] [klm] [nop] 

必需的输出是字符串数组

 [abc] [def] [ghi\:klm] [nop] 

如何\：被忽略

Answer 1

使用后视断言 ：

 split("(? 

只有在没有前面的\才会匹配。 使用双转义\\\\是必需的，因为字符串声明需要一个，正则表达式需要一个。

但请注意，在您希望允许令牌以反斜杠结尾的情况下，这将不允许您转义反斜杠。 要做到这一点，你必须先用所有双反斜杠替换

 string.replaceAll("\\\\\\\\", ESCAPE_BACKSLASH) 

（其中ESCAPE_BACKSLASH是一个不会出现在输入中的字符串），然后，在使用look-behind断言进行拆分后，将ESCAPE_BACKSLASH字符串替换为带有未转义的反斜杠

 token.replaceAll(ESCAPE_BACKSLASH, "\\\\") 

Answer 2

Gumbo使用后面的断言是正确的，但是如果你的字符串在逗号前面包含转义的转义字符（例如\\ ），则拆分可能会中断。 看这个例子：

test1\,test1,test2\\,test3\\\,test3\\\\,test4

如果你为(?做一个简单的后视分割(?就像Gumbo建议的那样，字符串被分成两部分，只有test1\,test1和test2\\,test3\\\,test3\\\\,test4 。 这是因为后视只是检查一个字符返回转义字符。 如果字符串在逗号和逗号前面分隔偶数个转义字符，则实际上是正确的。

要实现这一目标，需要稍微复杂（双重）的后视表达式：

(?

在Java中使用这个更复杂的正则表达式，再次需要通过\\转义所有\ 。 所以这应该是对你的问题更复杂的答案：

 "any comma separated string".split("(? 

注意： Java不支持lookbehinds内部的无限重复。 因此，使用表达式{0,10}仅检查最多10个重复的双转义字符。 如果需要，您可以通过调整后一个数字来增加此值。