Java如何通过Scanner分隔符读取含换行的分号分隔文本字段

原代码问题根源 #

1. Scanner默认使用所有空白字符（空格、换行符、制表符等）作为分隔符，调用sc.next()时会自动跳过所有前置空白，直接丢弃字段内的换行符
2. 手动拼接时加空格的逻辑，会把原本字段内的换行、连续空格等原始格式替换为单个空格，破坏字段原有内容

解决方案 #

方案1：修改Scanner全局分隔符（最简方案）

直接将Scanner的分隔符设置为分号，原生的next()方法就会自动返回下一个分号前的完整内容，自动保留换行、空格等原始格式：

// 初始化Scanner后全局设置一次即可
sc.useDelimiter(";");

private static String grabField(Scanner sc) {
    return sc.hasNext() ? sc.next() : null;
}

方案2：不修改全局分隔符的实现

如果不想改动Scanner的全局分隔符配置，可以用findWithinHorizon方法直接匹配目标字段，不受默认分隔符影响：

private static String grabField(Scanner sc) {
    // 正则匹配所有非分号字符，支持跨行，末尾可选匹配分号
    String match = sc.findWithinHorizon("([^;]*);?", 0);
    if (match == null) {
        return null;
    }
    // 移除末尾的分隔符分号
    return match.endsWith(";") ? match.substring(0, match.length() - 1) : match;
}

特殊场景适配 #

如果导出的字段内存在被引号包裹的内容，且引号内部包含分号，只需要调整正则适配引号转义即可：

// 正则支持匹配引号包裹的含分号内容
String match = sc.findWithinHorizon("(?s)(\"[^\"]*\"|[^;]*);?", 0);

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