使用Java正则表达式零宽度正向断言实现保留分隔符的split()方法

问题描述

在使用Java进行字符串处理时，我们常常用到split()方法，它接收一个正则字符串regex作为参数，返回由regex分割成的子串数组。但这个方法分割的子串是不包含regex本身的，而我们有时候想要regex也作为一个子串包含在返回数组中。比如，在构造编译器的词法分析器时，需要对输出函数接收的格式字符串中的占位符进行分析，将"this is %d.\n"分割为"this is "，"%d"和".\n"三部分。我们可能会想要用"%d"作为分割串，但这样一来"%d"就不会作为结果的一部分了，这时候就可以利用零宽度正向断言来处理。

零宽度断言

表达式	名称	描述
(?=exp)	正向（正预测）先行断言	匹配某个位置，该位置的后面的内容应匹配表达式 exp
(?!exp)	负向（负预测）先行断言	匹配某个位置，该位置的后面的内容不匹配表达式 exp
(?<=exp)	正向（正回顾）后发断言	匹配某个位置，该位置的前面的内容应匹配表达式 exp
(?<!exp)	负向（负回顾）后发断言	匹配某个位置，该位置的前面的内容不匹配表达式 exp

解决方法

零宽度断言的好处是它自身不占位置，而是匹配其前后的字符串。那么，我们就可以构造一个不占宽度的分割符，仅仅规定它前后的字符串应该是什么。例如，对于输出函数的格式字符串的例子，我们假设占位符有%d、%s和%f，我们可以构造regex如下："(?=(%d|%s|%f))|(?<=(%d|%s|%f))"。它表示只要有一个位置之前或之后是%d|%s|%f，就应该在此处断开。

验证

public class Example {
    public static void main(String[] args) {
        System.out.println(Arrays.toString("this is %d%s%f.".split("(?=(%d|%s|%f))|(<=(%d|%s|%f))")));
    }
}

输出结果：

[this is , %d, %s, %f.
]