Java Split на пространствах и специальных символах

Question

Я пытаюсь разбить строку на пробелы и некоторые специальные символы.

Учитывая строку «джон - & + $ @ мальчик?». Я хочу, чтобы получить массив:

array[0]="john"; 
array[1]="boy"; 

Я пытался несколько регулярных выражений и не получил не где. Вот мой текущий укус:

String[] terms = uglString.split("\\s+|[\\-\\+\\$\\?\\.@&].*"); 

Какие консервы «джон», но не «мальчик». Может ли кто-нибудь получить от меня все остальное?

Answer 1

Просто используйте:

String[] terms = input.split("[\\s@&.?$+-]+"); 

Вы можете поместить класс символов короткий рук внутри класса символов (обратите внимание на \s), и большинство мета-персонаж теряет свое значение внутри класса символов, за [ исключением, ], -, &, \. Однако & имеет смысл только тогда, когда он входит в пару &&, а - рассматривается как буквенный символ, если положить в начале или в конце класса символов.

Другие языки могут иметь разные правила для анализа шаблона, но правило для - применяется для большинства двигателей.

Как упоминал в своем ответе @Sean Patrick Floyd, важно, чтобы определить, что составляет слово. \w в Java эквивалентно [a-zA-Z0-9_] (английские буквы верхнего и нижнего регистра, цифры и подчеркивание), и поэтому \W состоит из всех других символов. Если вы хотите рассматривать буквы и цифры Unicode, вы можете посмотреть на Unicode character classes.

Answer 2

Вы можете сделать ваш код намного проще, заменив ваш шаблон с "\\W+" (один или более вхождений без символа слова. (Таким образом, вы белый список символов вместо черных списков, которые, как правило, хорошая идея)

И, конечно, все может быть более эффективным при использовании Guava's Splitter class

Answer 3

добавить к тому, что было сказано о Splitter, вы можете сделать что-то в этом роде:

String str = "john - & + $ ? . @ boy"; 
    Iterable<String> ttt = Splitter.on(Pattern.compile("\\W")).trimResults().omitEmptyStrings().split(str); 

Answer 4

Breaking затем шаг за шагом:

Для вашего случая вы заменяете не-словные символы (как указано). Теперь вы можете сохранить пробелы для простого разделения строк.

String ugly = "john - & + $ ? . @ boy"; 
String words = ugly.replaceAll("[^\\w\\s]", ""); 

Есть много пробелов в результирующей строке, которые вы можете вообще обрезать только 1 пространство:

String formatted = words.trim().replaceAll(" +", " "); 

Теперь вы можете легко разделить строку на слова в массив строк :

String[] terms = formatted.split("\\s"); 
System.out.println(terms[0]);