如何使用指定多字符Unicode分隔符拆分字符串并保留分隔符？

需求说明 #

将字符串「क्षत्रिय」使用多字符分隔符列表 listOf("श्र","क्ष","त्र","ज्ञ") 拆分，最终得到结果 ["क्ष", "त्र", "ि", "य"]，要求保留匹配到的分隔符，且分隔符为多字符组合而非单个字符。

核心思路 #

1. 优先最长匹配：将分隔符按长度降序排序（当前案例中所有分隔符长度一致，若存在更长分隔符可确保优先匹配），避免短分隔符提前匹配导致错误结果。
2. 逐位扫描匹配：从字符串起始位置开始，逐个位置尝试匹配分隔符：
   • 匹配成功则将该分隔符加入结果集，指针跳过分隔符对应的长度；
   • 匹配失败则取当前单个字符加入结果集，指针向后移动1位；
3. 重复上述步骤直到遍历完整个字符串。

Kotlin 实现代码 #

fun splitWithMultiCharDelimiters(input: String, delimiters: List<String>): List<String> {
    val result = mutableListOf<String>()
    // 按分隔符长度降序排序，优先匹配更长的分隔符
    val sortedDelimiters = delimiters.sortedByDescending { it.length }
    var currentIndex = 0

    while (currentIndex < input.length) {
        var matched = false
        // 尝试匹配每个分隔符
        for (delimiter in sortedDelimiters) {
            val delimiterLen = delimiter.length
            if (currentIndex + delimiterLen <= input.length && 
                input.substring(currentIndex, currentIndex + delimiterLen) == delimiter) {
                result.add(delimiter)
                currentIndex += delimiterLen
                matched = true
                break
            }
        }
        // 未匹配到分隔符，取单个字符加入结果
        if (!matched) {
            result.add(input.substring(currentIndex, currentIndex + 1))
            currentIndex += 1
        }
    }
    return result
}

// 测试示例
fun main() {
    val targetString = "क्षत्रिय"
    val delimiters = listOf("श्र","क्ष","त्र","ज्ञ")
    val splitResult = splitWithMultiCharDelimiters(targetString, delimiters)
    println(splitResult) // 输出: [क्ष, त्र, ि, य]
}

结果验证 #

运行上述代码后，输入字符串「क्षत्रिय」会被依次处理：

• 起始位置匹配到分隔符「क्ष」，加入结果；
• 指针移动至第3位（索引2），匹配到分隔符「त्र」，加入结果；
• 剩余字符「ि」和「य」均不匹配任何分隔符，逐个加入结果；
  最终得到目标拆分结果 ["क्ष", "त्र", "ि", "य"]。

内容的提问来源于stack exchange，提问作者Manishoaham