如何用Java优雅拆分字符串为单词与非单词子串？

嘿，我有个更简洁优雅的实现思路，完全依赖Java标准库就能搞定，逻辑比你当前的写法清晰很多：

我们可以直接用一个正则表达式，同时匹配连续的单词片段和连续的非单词片段，然后通过遍历所有匹配结果来收集拆分后的列表，不需要手动处理索引和边界判断。

import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class StringSplitter {
    // 正则匹配：要么是连续字母（单词），要么是连续非字母（非单词）
    private static final Pattern WORD_OR_NON_WORD_PATTERN = Pattern.compile("([a-zA-Z]+)|([^a-zA-Z]+)");

    public static List<String> splitString(String str) {
        if (str == null) {
            return null;
        }
        List<String> splitParts = new ArrayList<>();
        Matcher matcher = WORD_OR_NON_WORD_PATTERN.matcher(str);
        while (matcher.find()) {
            splitParts.add(matcher.group());
        }
        return splitParts;
    }
}

这个方案的优势： #

• 逻辑直观：正则直接定义了我们需要捕获的两种片段，不需要跟踪endOfLastWord这类状态变量，避免了容易出错的边界计算
• 代码精简：去掉了手动截取子串的复杂逻辑，整体结构更清晰易读
• 符合需求：测试你的示例输入 "A! B C, d."，会得到完全符合预期的结果：Arrays.asList("A", "! ", "B", " ", "C", ", ", "d", ".")

如果需要适配更通用的字母（比如Unicode中的其他语言字母），可以把正则里的[a-zA-Z]+换成\p{L}+（匹配任何Unicode字母），对应的非单词部分换成\P{L}+，这样兼容性更强。

内容的提问来源于stack exchange，提问作者lexicore