Java String.split()有时会给出空字符串
我正在制作一个基于文本的骰子滚筒。 它接受像“2d10 + 5”这样的字符串,并且作为滚动的结果返回一个字符串。 我的问题出现在tokenizer中,它将字符串拆分为有用的部分,以便我解析信息。
String[] tokens = message.split("(?=[dk\\+\\-])");
这产生了奇怪的,意想不到的结果。 我不知道究竟是什么导致了他们。 它可能是正则表达式,我的误解,或Java只是Java。 这是发生了什么:
-
3d6+4
产生字符串数组[3, d6, +4]
。 这是对的。 -
d%
产生字符串数组[d%]
。 这是对的。 -
d20
产生字符串数组[d20]
。 这是对的。 -
d%+3
产生字符串数组[, d%, +3]
。 这是不正确的。 -
d20+2
产生字符串数组[, d20, +2]
。 这是不正确的。
在第四个和第五个例子中,一些奇怪的东西导致额外的空字符串出现在数组的前面。 这并不是字符串前面缺少数字,因为其他例子反驳了这一点。 这不是百分号的存在,也不是加号。
现在我只是继续通过空白字符串的for循环,但这感觉就像一个创可贴解决方案。 有没有人知道是什么原因造成arrays前面的空白字符串? 我该如何解决?
通过源代码挖掘,我得到了这种行为背后的确切问题。
String.split()
方法在内部使用Pattern.split()
。 返回结果数组之前的split方法检查最后一个匹配的索引,或者是否实际匹配。 如果最后匹配的索引为0
,则表示您的模式仅匹配字符串开头的空字符串或根本不匹配,在这种情况下,返回的数组是包含相同元素的单个元素数组。
这是源代码:
public String[] split(CharSequence input, int limit) { int index = 0; boolean matchLimited = limit > 0; ArrayList matchList = new ArrayList (); Matcher m = matcher(input); // Add segments before each match found while(m.find()) { if (!matchLimited || matchList.size() < limit - 1) { String match = input.subSequence(index, m.start()).toString(); matchList.add(match); // Consider this assignment. For a single empty string match // m.end() will be 0, and hence index will also be 0 index = m.end(); } else if (matchList.size() == limit - 1) { // last one String match = input.subSequence(index, input.length()).toString(); matchList.add(match); index = m.end(); } } // If no match was found, return this if (index == 0) return new String[] {input.toString()}; // Rest of them is not required
如果上面代码中的最后一个条件 - index == 0
,为true,则返回单个元素数组和输入字符串。
现在,考虑index
可以为0
。
- 什么时候根本没有比赛。 (正如上面那条评论所述)
-
如果在开头找到匹配,并且匹配字符串的长度为
0
,那么if
块中的索引值(在while
循环内) -index = m.end();
将为0.唯一可能的匹配字符串是空字符串 (长度= 0)。 这就是这种情况。 而且不应该有任何进一步的匹配,否则
index
将更新为不同的索引。
所以,考虑你的情况:
-
对于
d%
,在第一个d
之前,模式只有一个匹配。 因此索引值将为0
。 但由于没有任何进一步的匹配,索引值不会更新,if
条件变为true
,并返回带有原始字符串的单个元素数组。 -
对于
d20+2
,将有两个匹配,一个在d
之前,一个在+
之前。 因此索引值将被更新,因此将返回上述代码中的ArrayList
,其中包含空字符串作为分隔符的分割结果,该分隔符是字符串的第一个字符,如@Stema的答案中所述。
因此,要获得所需的行为(仅在不在开头时拆分分隔符,您可以在正则表达式模式中添加负面的后视):
"(?
这将拆分为空字符串,后跟您的字符类,但不会在字符串的开头之前。
考虑在正则表达式模式上分割字符串"ad%"
情况 - "a(?=[dk+-])"
。 这将为您提供一个数组,其中第一个元素为空字符串。 这里唯一的变化是,空字符串被替换a
:
"ad%".split("a(?=[dk+-])"); // Prints - `[, d%]`
为什么? 那是因为匹配字符串的长度是1
。 所以第一次匹配后的索引值 - m.end()
不会是0
而是1
,因此不会返回单个元素数组。
我很惊讶它不会发生在案例2和3中,所以真正的问题是
为什么“d20”和“d%”的开头没有空字符串?
正如Rohit Jain在他的详细分析中解释的那样,当在字符串的开头只找到一个匹配并且match.end索引为0时,会发生这种情况。(这只有在使用环绕声断言才能找到时才会发生。比赛)。
问题是, d%+3
以你正在拆分的字符开头。 所以你的正则表达式在第一个字符之前匹配,你在开始时得到一个空字符串。
您可以添加一个lookbehind,以确保您的表达式在字符串的开头不匹配,以便它不会在那里拆分:
String[] tokens = message.split("(?
(?是一个lookbehind断言,当它不在字符串的开头时是真的。
我建议简单匹配而不是拆分:
Matcher matcher = Pattern.compile("([1-9]*)(d[0-9%]+)([+-][0-9]+)?").matcher(string); if(matcher.matches()) { String first = matcher.group(1); // etc }
不保证正则表达式,但我认为它会…