代码之家 › 专栏 › 技术社区 › dustydojo

在Java中,如何对标记中包含分隔符的字符串进行标记化?

tokenize regex java

dustydojo · 技术社区 · 6 年前

假设我有字符串:

String toTokenize = "prop1=value1;prop2=String test='1234';int i=4;;prop3=value3";

我想要代币:

prop1=值1
prop2=管柱测试='1234';int i=4;
prop3=值3

为了向后兼容,我必须使用分号作为分隔符。我尝试过将代码包装在CDATA中:

String toTokenize = "prop1=value1;prop2=<![CDATA[String test='1234';int i=4;]]>;prop3=value3";

但我无法找到一个正则表达式来忽略cdata标记中的分号。

我已尝试转义非分隔符:

String toTokenize = "prop1=value1;prop2=String test='1234'\\;int i=4\\;;prop3=value3";

但是,移除转义角色的过程中出现了一个丑陋的混乱。

你有什么建议吗?

2 回复 | 直到 6 年前

Wiktor StribiÅ¼ew 6 年前

您可以匹配 <![CDATA...]]> 或任何字符 ; ,1次或多次,以匹配值。要匹配键,可以使用常规 \w+ 图案:

(\w+)=((?:<!\[CDATA\[.*?]]>|[^;])+)

请参见 regex demo .

细节

(\w+) -组1:一个或多个单词字符
= -a = 签名
((?:<!\[CDATA\[.*?]]>|[^;])+) -第1组:一个或多个序列
- <!\[CDATA\[.*?]]> -a <![CDATA[...]]> 子字符串
- | -或
- [^;] -任何字符,但 ;

参见a Java demo :

String rx = "(\\w+)=((?:<!\\[CDATA\\[.*?]]>|[^;])+)";
String s = "prop1=value1;prop2=<![CDATA[String test='1234';int i=4;]]>;prop3=value3";
Pattern pattern = Pattern.compile(rx);
Matcher matcher = pattern.matcher(s);
while (matcher.find()) {
    System.out.println(matcher.group(1) + " => " + matcher.group(2));
}

结果:

prop1 => value1
prop2 => <![CDATA[String test='1234';int i=4;]]>
prop3 => value3

Bentaye 6 年前

先决条件:

所有代币都以 prop
没有 道具 在文件中,而不是标记的开头

我会把所有的都替换掉 ;prop 通过 ~prop

然后字符串变为:

"prop1=value1~prop2=String test='1234';int i=4~prop3=value3";

然后可以使用 ~ 分隔符

推荐文章

lonix · 使用sed从JSON中提取非贪婪正则表达式

1 年前

me-me · regex检查电子邮件字符串是否有@后跟一个点以及点符号后至少2个字符[重复]

2 年前

Dave Guerrero · 是否有一个正则表达式模式来捕获字符串中直到第一个字母字符的数字?

2 年前

Dima Malko · 如何在指定符号前添加符号?

2 年前

shekharsabale · 从列表元素捕获子字符串

2 年前

maycca · 正则表达式:过滤年份数值大于某个值的文件?字符串中编码的年份

2 年前

Katia · 根据特定规则进行多行匹配

2 年前

Andrei Cleland · 在长正则表达式中包含unicode字符

2 年前

MHA · Pandas str.extract()以字母结尾的数字

2 年前

Slava Vir · 如何查找后面“/”之间的最后一组

2 年前