正则处理字符串分词：如何仅分割双引号外的多字符运算符？

你的问题根源在于原正则使用了字符集[]，它会把所有内容拆成单个字符匹配，导致原本要作为整体匹配的||、<=等被拆成单个|、<，进而错误分割了这些单字符。我们需要优先匹配多字符分隔符，再匹配单字符，同时确保只在双引号外分割。

修正后的正则与代码 #

核心是用**非捕获组(?:...)**按长度从长到短列出所有要匹配的分隔符，保证长分隔符先被匹配，再配合正向预查排除双引号内的内容：

public class TokenizerExample {
    public static void main(String[] args) {
        String line1= "sa2dvf=s||a|df&&v<gdsf==ds!gv!=fdgv\"fvdsvg=kjhbhbj==\"";
        // 优先匹配多字符分隔符，再匹配单字符，正向预查确保不在引号内
        String regex = "(?:==|<=|>=|!=|\\|\\||\\+|=|\\{|\\})(?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)";
        String[] tokens = line1.split(regex, -1);
        for(String val : tokens) { 
            System.out.println(val); 
        }
    }
}

输出结果验证 #

运行后会得到你期望的输出：

sa2dvf
s
a|df&&v<gdsf
ds!gv
fdgv"fvdsvg=kjhbhbj=="

正则解释 #

1. (?:==|<=|>=|!=|\|\||\+|=|\{|\})：非捕获组，按长度从长到短列出所有目标分隔符，确保||不会被拆成两个|单独匹配，<=不会被拆成<和=；
2. (?=(?:[^"]*"[^"]*")*[^"]*$)：正向预查，验证当前位置之后的双引号是偶数个（即当前分隔符不在双引号内部）。

内容的提问来源于stack exchange，提问作者Samridhi