Java开发笔记（三十七）利用正则串分割字符串
前面介绍了处理字符串的常用方法，还有一种分割字符串的场景也很常见，也就是按照某个规则将字符串切割为若干子串。分割规则通常是指定某个分隔符，根据字符串内部的分隔符将字符串进行分割，例如逗号、空格等等都可以作为字符串的分隔符。正好String类型提供了split方法用于切割字符串，只要字符串变量调用split方法，并把分隔符作为输入参数，该方法即可返回分割好的字符串数组。
下面的split调用代码例子演示了如何按照逗号和空格切割字符串：
// 通过逗号分割字符串
private static void splitByComma() {
String commaStr = "123,456,789";
// 利用split方法指定按照逗号切割字符串
String[] commaArray = commaStr.split(",");
for (String item : commaArray) {
System.out.println("comma item = "+item);
}
}
// 通过空格分割字符串
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);
}
}
除了逗号和空格以外，点号和竖线也常常用来分隔字符串，但是对于点号和竖线，split方法的调用代码不会得到预期的结果。相反，split(".")无法得到分割后的字符串数组，也就是说结果的字符串数组为空；而split("|")分割得到的字符串数组，每个数组元素只有一个字符，其结果类似于toCharArray。究其原因，缘于split方法的输入参数理应是个正则串，并非普通的分隔字符。由于点号和竖线都是正则串的保留字符，因此无法直接在正则串中填写，必须进行转义处理方可。如同回车符和换行符在普通字符串中通过前缀的反斜杆转义那样（回车符对应\r，换行符对应\n），正则字符串通过在原字符前面添加两个反斜杆来转义，像点号字符在正则串中对应的转义符为“\\.”，而竖线在正则串中对应的转义符为“\\|”。经过转移处理之后，通过点号和竖线切割字符串的正确代码写法如下所示：
// 通过点号分割字符串
private static void splitByDot() {
String dotStr = "123.456.789";
// split(".")无法得到分割后的字符串数组
//String[] dotArray = dotStr.split(".");
// 点号是正则串的保留字符，需要进行转义（在点号前面加两个反斜杆）
String[] dotArray = dotStr.split("\\.");
for (String item : dotArray) {
System.out.println("dot item = "+item);
}
}
// 通过竖线分割字符串
private static void splitByLine() {
String lineStr = "123|456|789";
// split("|")分割得到的字符串数组，每个数组元素只有一个字符，类似于toCharArray的结果
//String[] lineArray = lineStr.split("|");
// 竖线是正则串的保留字符，需要进行转义（在竖线前面加两个反斜杆）
String[] lineArray = lineStr.split("\\|");
for (String item : lineArray) {
System.out.println("line item = "+item);
}
}
竖线符号之所以被定为正则串的保留字符，是因为它在正则表达式里起到了“或”的判断作用，例如正则串“,| ”表示逗号和空格都是满足条件的分隔符；一个字符串如果同时包含一个逗号和一个空格，那么按照“,| ”切割的结果将是长度为3的字符串数组；也就是说，原始串被逗号分割一次后又被空格分割一次，这样一共分割两次最终得到了三个子串。下面的代码演示了使用正则串“,| ”切割字符串的效果：
// 利用竖线同时指定多个串来分割字符串
private static void splitByMixture() {
String mixtureStr = "123,456 789";
// 正则串里的竖线表示“或”，竖线左边和右边的字符都可以用来分割字符串
String[] mixtureArray = mixtureStr.split(",| ");
for (String item : mixtureArray) {
System.out.println("mixture item = "+item);
}
}
当然，正则串中的保留字符不仅包括点号和竖线，还包括好些常见的符号，比如加号（+）、星号（*）、横线（-），在正则串中均需进行转义。其中加号的正则转义符为“\\+”，星号的正则转义符为“\\*”，横线的正则转义符为“\\-”。这么估摸下，加减乘除的四则运算符号，只有除法的斜杆符（/）、取余数的百分号（%）无需转义处理。倘若有个字符串，要求以四则运算的五个符号进行切割，则需通过竖线把这几个转义后的字符加以连接，构成形如“\\+|\\*|\\-|/|%”的正则串。于是按照加减乘除符号切割字符串的代码就变为下面这样：
// 通过算术的加减乘除符号来分割字符串
private static void splitByArith() {
String arithStr = "123+456*789-123/456%789";
// 正则串里的加号、星号、横线都要转义，加减乘除符号之间通过竖线隔开
String[] arithArray = arithStr.split("\\+|\\*|\\-|/|%");
for (String item : arithArray) {
System.out.println("arith item = "+item);
}
}
分割用的正则串，不单单是一个个字符，还支持好几个字符组成的字符串。譬如“(1)”、“(2)”、“(3)”都可以作为分隔串，注意圆括号内部的数字可以是0到9，如此一来，从“(0)”到“(9)”的分隔串合集岂不是要写成以下这般：“(0)|(1)|(2)|(3)|(4)|(5)|(6)|(7)|(8)|(9)”？然而以上正则串的写法有两个错误：
1、圆括号也是正则表达式的保留字符，所以不能直接在正则串中书写“(”和“)”，而必须写成转义形式“\\(”和”“\\)”。
2、作为保留字符的圆括号，其作用类似数值计算之时的圆括号，都是通过圆括号把括号内外的运算区分开。而竖线符号“|”的或运算优先级不如圆括号，因此每逢复杂一点的或运算，应当把圆括号放在整个逻辑运算式子的外面。
综合以上两点，修正之后的正则串应该改成下列形式：“\\((0|1|2|3|4|5|6|7|8|9)\\)”。可是该式子的竖线太多，意思仅仅是获取0到9之间的某个数字之一，针对这种情况，正则表达式引入了另外一种简化的写法，即通过方括号包裹0123456789，形如“\\([0123456789]\\)”，同样指代0到9之间的某个数字，从而省略了若干个竖线。进一步说，日常生活中0到9，常常写做“0-9”，于是对应更简单的正则串“\\([0-9]\\)”。
其实0到9正好涵盖了所有的一位数字，对于一位数字而言，正则表达式提供了专门的表达式“\\d{1}”。式子前面的“\\d”代表某个数字，式子后面的“{1}”代表字符数量是1位。推而广之，“\\d{2}”表示两位数字，“\\d{3}”表示三位数字，等等。像这个正则例子只有一位数字，甚至尾巴的“{1}”都可以去掉，因为“\\d”默认就是一位数字。
一口气介绍了许多种从0到9的正则表达串，接下来不妨逐一验证这些正则串是否有效，验证用的代码例子如下所示：
// 通过圆括号及其内部数字来分割字符串
private static void splitByBracket() {
String bracketStr = "(1)123;(2)456;(3)789;";
// 圆括号也是正则串的保留字符，0到9这九个数字使用竖线隔开
//String[] bracketArray = bracketStr.split("\\((0|1|2|3|4|5|6|7|8|9)\\)");
// 利用方括号聚集一群字符，表示这些字符之间是“或”的关系，故而可省略竖线
//String[] bracketArray = bracketStr.split("\\([0123456789]\\)");
// 连续的数字可使用横线连接首尾数字，例如“0-9”表示从0到9之间的所有数字
//String[] bracketArray = bracketStr.split("\\([0-9]\\)");
// 利用“\\d”即可表达0到9的数字，后面的{1}表示1位数字，依此类推{3}表示三位数字
//String[] bracketArray = bracketStr.split("\\(\\d{1}\\)");
// “\\d”默认就是1位数字，此时后面的{1}可直接略去
String[] bracketArray = bracketStr.split("\\(\\d\\)");
for (String item : bracketArray) {
System.out.println("bracket item = "+item);
}
}
上述的几种正则串，只能表达从“(0)”到“(9)”的分隔串，然而圆括号内部还可能是两位数字或者三位数字，比如“(10)”、“(12)”、“(001)”这样。对于数字位数不固定的情况，可以把“\\d”改为“\\d+”，末尾多出来的加号，表示前面的字符允许有一位，也允许有多位。此时正则串添加了加号的字符串切割代码见下：
// 通过特殊符号的加号来分割字符串
private static void splitWithPlus() {
String bracketStr = "(1)123;(2)456;(13)789;";
// 正则串里的加号表示可以有1到多个前面的字符
String[] bracketArray = bracketStr.split("\\(\\d+\\)");
for (String item : bracketArray) {
System.out.println("plus item = "+item);
}
}
上面说的位数不固定，毕竟至少还有一位。假设现在某个字符不但位数不确定，甚至还可能没有该字符（位数为0），采用写法“\\d+”就无法奏效了。要想满足位数可有可无的情况，需将末尾的加号换成星号，也就是改成“\\d*”，此时改用星号的字符串切割代码变为下面这般：
// 通过特殊符号的星号来分割字符串
private static void splitWithStar() {
String bracketStr = "()123;(2)456;(13)789;";
// 正则串里的星号表示可以有0到多个前面的字符
String[] bracketArray = bracketStr.split("\\(\\d*\\)");
for (String item : bracketArray) {
System.out.println("star item = "+item);
}
}
到目前位置，分隔符还仅限于标点和数字，如果引入英文字母作为分隔串，又该如何书写呢？注意英文字母区分大小写，因而使用“a-z”表示所有的小写字母，使用“A-Z”表示所有的大写字母。如果采纳“(a)”、“(B)”、“(c)”这种大小写混合的分隔串，就得通过正则串“\\([a-zA-Z]\\)”来表达，对应的字符串切割代码如下所示：
// 通过大小写字母来分割字符串
private static void splitWithLetter() {
String bracketStr = "(a)123;(B)456;(c)789;";
// 在正则串中表达小写字母和大写字母
String[] bracketArray = bracketStr.split("\\([a-zA-Z]\\)");
for (String item : bracketArray) {
System.out.println("letter item = "+item);
}
}
现在有个麻烦的业务场景，圆括号内部不但可能是数字和字母，还可能是其它标点符号，这下难不成把众多标点符号一个个罗列出来？要知道标点符号可没有“0-9”、“a-z”、“A-Z”的简单写法噢。不过这难不倒强大的正则表达式，因为点号作为正则的保留字符，它代表了除回车\r和换行\n以外的其它字符，所以使用“\\(.\\)”即可表达符合要求的任意字符了，当然是被圆括号包裹着的、除了回车\r和换行\n以外的任意字符。下面便是匹配前述场景的字符串切割代码例子：
// 通过特殊符号的点号来分割字符串
private static void splitWithDot() {
String bracketStr = "(1)123;(B)456;(%)789;";
// 正则串里的点号表示除了回车\r和换行\n以外的其它字符
String[] bracketArray = bracketStr.split("\\(.\\)");
for (String item : bracketArray) {
System.out.println("dot item = "+item);
}
}
更多Java技术文章参见《Java开发笔记（序）章节目录》
