Java如何使用split方法结合java.util.regex拆分字符串获得目标分词数组
Java 字符串split拆分实现目标分词的方案
实现思路
要得到指定的拆分结果,核心是把字符串中所有非英文字母的位置都作为分隔点,同时将连续出现的非字母符号合并为一个分隔边界,避免生成空的拆分元素。
可直接运行的实现代码
测试字符串定义:
String str = "He is a very very good boy, isn't he?";
调用split方法完成拆分:
String[] splitResult = str.split("[^A-Za-z]+");
拆分得到的数组内容和预期完全一致:
[He, is, a, very, very, good, boy, isn, t, he]
正则规则说明
本次使用的正则表达式为[^A-Za-z]+,各部分作用:
[^A-Za-z]:方括号内的^为取反匹配,可匹配所有不属于大写A-Z、小写a-z范围的字符,覆盖本例中的空格、逗号、单引号、问号等所有需要作为分隔的符号- 末尾的
+为匹配量词,代表匹配前面的规则1次或多次。当遇到连续的非字母字符(比如本例中boy后面紧跟的`", "(逗号+空格)组合)时,会将其识别为单个分隔边界,不会拆分出多余的空字符串
常见问题避坑
- 如果遗漏正则末尾的
+,仅写[^A-Za-z],会在连续非字母的位置生成空拆分元素,导致最终结果数组出现无效值 - Java的split方法默认会丢弃字符串末尾由分隔符匹配产生的空字符串,本例中字符串末尾的问号匹配分隔规则后无有效内容,不会在结果数组中留下多余的空元素
内容的提问来源于stack exchange,提问作者Aakash Thakur
相关产品推荐
相关产品推荐

