Java正则表达式拆分CFG字符串问题求助

我明白你遇到的问题了——你想把CFG格式的字符串里的非终结符（<xxx>）和普通文本拆分开，但当前用的正则只在<前面分割，导致非终结符后面的文本被粘在了一起。让我来帮你搞定这个！

问题根源 #

你用的str.split("(?=<)")是正向零宽断言，只会在<符号的前面位置进行分割，所以<animal>后面的 loves to会和<animal>被分到同一个元素里，达不到你想要的拆分效果。

解决方案 #

我们需要同时在两个位置分割：<的前面，以及>的后面。可以用同时包含正向和反向零宽断言的正则表达式：

String str = "The <animal> loves to <activity>.";
String[] result = str.split("(?=<)|(?<=>)");

运行结果 #

执行这段代码后，result数组的内容就是你期望的：

• "The "
• "<animal>"
• " loves to "
• "<activity>"
• "."

正则表达式解释 #

让我们拆解一下这个正则(?=<)|(?<=>)：

• (?=<)：正向零宽断言，匹配一个位置，这个位置的后面紧跟<，在这个位置分割
• (?<=>)：反向零宽断言，匹配一个位置，这个位置的前面是>，在这个位置分割
• |：逻辑或，意味着只要满足其中一个条件就进行分割

额外提示 #

如果你的非终结符是严格的<xxx>格式（没有嵌套的<>），这个正则完全够用。如果遇到嵌套场景，可能需要更复杂的正则处理，但针对你当前的需求，这个方案完美适配。

内容的提问来源于stack exchange，提问作者Cybergenik