Java中Scanner仅以双引号外换行符为分隔符的实现方案

需求是使用Java的Scanner读取内容时，只把双引号外部的换行符（\r\n或\n）当作分隔符。

输入示例：

"Content1 \r\n block" \r\n Contentn2 \r\n  New Content " \r\n Conetent3"

预期输出：

"Content1 \r\n block"

Content2

New Content " \r\n Conetent3"

你已尝试的代码：

String content = "\"Content1 \r\n block\" \r\n Contentn2 \r\n New conenet \" \r\n Conetent 3\"";
Scanner fileScanner = new Scanner(content);
String regex = "[^\"\\r\\n]+(?:\"[^\"]*\"[^\"\\r\\n]+)*";
while(fileScanner.hasNext())
{
    String rec = fileScanner.findWithinHorizon(regex,0);
    System.out.println(rec);
}

但未得到预期结果。另外在JavaScript中使用正则/(?<=^[^"]*(?:"[^"]*"[^"]*)*)\r?\n/实现了该逻辑，但Java中作为Scanner分隔符时，抛出“Look-behind group does not have obvious maximum length”错误。

可行解决方案 #

方案1：使用Matcher遍历匹配目标片段 #

Java的Scanner分隔符不支持变长lookbehind，但可以通过Pattern和Matcher直接匹配所有符合要求的片段，跳过双引号内的换行符。核心思路是：匹配双引号包裹的内容（包含内部换行）或双引号外的非换行内容，组合成完整的分割单元。

代码示例：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Main {
    public static void main(String[] args) {
        String content = "\"Content1 \r\n block\" \r\n Contentn2 \r\n  New Content \" \r\n Conetent3\"";
        // 正则规则：匹配双引号包裹内容，或非引号非换行内容
        Pattern pattern = Pattern.compile("\"[^\"]*\"|[^\"\\r\\n]+");
        Matcher matcher = pattern.matcher(content);
        
        StringBuilder currentSegment = new StringBuilder();
        while (matcher.find()) {
            String part = matcher.group();
            // 处理双引号包裹的内容
            if (part.startsWith("\"")) {
                currentSegment.append(part);
            } else {
                // 处理非引号内容，去除多余空格
                currentSegment.append(part.trim());
            }
            
            // 检查是否到达换行分隔位置
            int nextPos = matcher.end();
            if (nextPos >= content.length() || content.charAt(nextPos) == '\r' || content.charAt(nextPos) == '\n') {
                // 跳过后续的换行符
                while (nextPos < content.length() && (content.charAt(nextPos) == '\r' || content.charAt(nextPos) == '\n')) {
                    nextPos++;
                }
                System.out.println(currentSegment.toString().trim());
                currentSegment.setLength(0);
            }
        }
        // 处理最后一个剩余片段
        if (currentSegment.length() > 0) {
            System.out.println(currentSegment.toString().trim());
        }
    }
}

方案2：预处理内容，替换双引号内的换行符后拆分 #

先把双引号内部的换行符替换成临时占位符，再用Scanner按换行符拆分，最后还原占位符为换行符。

代码示例：

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Main {
    public static void main(String[] args) {
        String content = "\"Content1 \r\n block\" \r\n Contentn2 \r\n  New Content \" \r\n Conetent3\"";
        // 选一个不会出现在内容中的临时占位符
        String placeholder = "###INNER_NEWLINE###";
        
        // 替换双引号内的所有换行符
        Pattern quotePattern = Pattern.compile("\"([^\"]*)\"");
        Matcher quoteMatcher = quotePattern.matcher(content);
        StringBuffer processedContent = new StringBuffer();
        while (quoteMatcher.find()) {
            String quotedContent = quoteMatcher.group(1)
                    .replace("\r\n", placeholder)
                    .replace("\n", placeholder);
            quoteMatcher.appendReplacement(processedContent, "\"" + quotedContent + "\"");
        }
        quoteMatcher.appendTail(processedContent);
        
        // 按换行符拆分内容，再还原占位符
        Scanner scanner = new Scanner(processedContent.toString());
        scanner.useDelimiter("\\r?\\n");
        
        while (scanner.hasNext()) {
            String segment = scanner.next().trim()
                    .replace(placeholder, "\r\n");
            System.out.println(segment);
        }
        scanner.close();
    }
}

为什么之前的方法失效？ #

1. 你尝试的findWithinHorizon正则[^"\r\n]+(?:\"[^\"]*\"[^"\r\n]+)*无法处理双引号内的换行，因为[^"\r\n]+会排除换行符，导致双引号内的内容被截断。
2. JavaScript支持的变长lookbehind正则在Java中不被兼容，Java要求lookbehind组必须是固定长度（或有限可选长度，比如(?<=a{1,3})），而你使用的正则是无限变长的，因此抛出错误。

内容的提问来源于stack exchange，提问作者Siva Ram