在Java中用空间标记字符串

最简单的方法是手工实现一个简单的有限状态机。换句话说,一次处理字符串一个字符:

• 当你击中一个空格时,断开一个标记;
• 当你点击一个引语时,不断地获取字符,直到你点击另一个引语。

根据原始字符串的格式,您应该能够使用正则表达式作为Java“拆分”方法的参数: Click here for an example .

不过,该示例不使用执行此任务所需的正则表达式。

您也可以使用 this SO thread 作为一个指导方针(尽管它是在PHP中),它的作用非常接近于您所需要的。稍微操作一下可能会有一些技巧(尽管引号是否是输出的一部分,可能会导致一些问题)。请记住,regex在大多数语言中非常相似。

编辑 :对这类任务的深入研究可能会超过regex的功能,因此您可能需要创建一个简单的解析器。

line.split(" (?=[a-z+]=)")

正确给出:

a=b
c='123 456'
d=777
e='uij yyy'

确保您对[A-Z+]部分进行了调整,以防您的键结构发生变化。

编辑 :如果对的值部分有“=”字符,此解决方案可能会失败。

StreamTokenizer 可以帮助,尽管在“=”上最容易设置为中断,因为它总是在带引号的字符串的开头中断:

String s = "Ta=b c='123 456' d=777 e='uij yyy'";
StreamTokenizer st = new StreamTokenizer(new StringReader(s));
st.ordinaryChars('0', '9');
st.wordChars('0', '9');
while (st.nextToken() != StreamTokenizer.TT_EOF) {
    switch (st.ttype) {
    case StreamTokenizer.TT_NUMBER:
        System.out.println(st.nval);
        break;
    case StreamTokenizer.TT_WORD:
        System.out.println(st.sval);
        break;
    case '=':
        System.out.println("=");
        break;
    default:
        System.out.println(st.sval);
    }
}

输出

Ta
=
b
c
=
123 456
d
=
777
e
=
uij yyy

如果省略将数字字符转换为字母的两行,则 d=777.0 可能对你有用。

假设:

• 变量名(“a”在赋值中为“a=b”)的长度可以是1或更多
• 变量名(“a”在赋值中为“a=b”)不能包含空格字符,其他都可以。
• 不需要验证输入(假定输入为有效的A=B格式)

这对我来说很好。

输入:

a=b abc='123 456' &=777 #='uij yyy' ABC='slk slk'              123sdkljhSDFjflsakd@*#&=456sldSLKD)#(

输出:

a=b
abc='123 456'
&=777
#='uij yyy'
ABC='slk slk'             
123sdkljhSDFjflsakd@*#&=456sldSLKD)#(

代码:

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

public class RegexTest {

    // SPACE CHARACTER                                          followed by
    // sequence of non-space characters of 1 or more            followed by
    // first occuring EQUALS CHARACTER       
    final static String regex = " [^ ]+?=";


    // static pattern defined outside so that you don't have to compile it 
    // for each method call
    static final Pattern p = Pattern.compile(regex);

    public static List<String> tokenize(String input, Pattern p){
        input = input.trim(); // this is important for "last token case"
                                // see end of method
        Matcher m = p.matcher(input);
        ArrayList<String> tokens = new ArrayList<String>();
        int beginIndex=0;
        while(m.find()){
            int endIndex = m.start();
            tokens.add(input.substring(beginIndex, endIndex));
            beginIndex = endIndex+1;
        }

        // LAST TOKEN CASE
        //add last token
        tokens.add(input.substring(beginIndex));

        return tokens;
    }

    private static void println(List<String> tokens) {
        for(String token:tokens){
            System.out.println(token);
        }
    }


    public static void main(String args[]){
        String test = "a=b " +
                "abc='123 456' " +
                "&=777 " +
                "#='uij yyy' " +
                "ABC='slk slk'              " +
                "123sdkljhSDFjflsakd@*#&=456sldSLKD)#(";
        List<String> tokens = RegexTest.tokenize(test, p);
        println(tokens);
    }
}

或者,使用一个用于标记化的regex,以及一个只将key/val添加到映射的小型状态机:

String line = "a = b c='123 456' d=777 e =  'uij yyy'";
Map<String,String> keyval = new HashMap<String,String>();
String state = "key";
Matcher m = Pattern.compile("(=|'[^']*?'|[^\\s=]+)").matcher(line);
String key = null;
while (m.find()) {
    String found = m.group();
    if (state.equals("key")) {
        if (found.equals("=") || found.startsWith("'"))
            { System.err.println ("ERROR"); }
        else { key = found; state = "equals"; }
    } else if (state.equals("equals")) {
        if (! found.equals("=")) { System.err.println ("ERROR"); }
        else { state = "value"; }
    } else if (state.equals("value")) {
        if (key == null) { System.err.println ("ERROR"); }
        else {
            if (found.startsWith("'"))
                found = found.substring(1,found.length()-1);
            keyval.put (key, found);
            key = null;
            state = "key";
        }
    }
}
if (! state.equals("key"))  { System.err.println ("ERROR"); }
System.out.println ("map: " + keyval);

打印输出

map: {d=777, e=uij yyy, c=123 456, a=b}

它执行一些基本的错误检查,并去掉值的引号。

这个解决方案既普通又紧凑(实际上是克莱特斯答案的regex版本):

String line = "a=b c='123 456' d=777 e='uij yyy'";
Matcher m = Pattern.compile("('[^']*?'|\\S)+").matcher(line);
while (m.find()) {
  System.out.println(m.group()); // or whatever you want to do
}

换句话说,查找所有由带引号的字符串或非空格字符组合而成的字符;不支持嵌套引号(没有转义字符)。

public static void main(String[] args) {
String token;
String value="";
HashMap<String, String> attributes = new HashMap<String, String>();
String line = "a=b c='123  456' d=777 e='uij yyy'";
StringTokenizer tokenizer = new StringTokenizer(line," ");
while(tokenizer.hasMoreTokens()){
        token = tokenizer.nextToken();
    value = token.contains("'") ? value + " " + token : token ;
    if(!value.contains("'") || value.endsWith("'")) {
           //Split the strings and get variables into hashmap 
           attributes.put(value.split("=")[0].trim(),value.split("=")[1]);
           value ="";
    }
}
    System.out.println(attributes);
}

输出: d=777,a=b,e='uij yyy',c='123 456'

在这种情况下,连续空间将被截断为值中的单个空间。 这里属性化的hashmap包含值

 import java.io.*;
 import java.util.Scanner;

 public class ScanXan {
  public static void main(String[] args) throws IOException {

    Scanner s = null;

    try {
        s = new Scanner(new BufferedReader(new FileReader("<file name>")));

        while (s.hasNext()) {
            System.out.println(s.next());
           <write for output file>
        }
    } finally {
        if (s != null) {
            s.close();
        }
    }
 }
}

java.util.StringTokenizer tokenizer = new java.util.StringTokenizer(line, " ");
while (tokenizer.hasMoreTokens()) {
    String token = tokenizer.nextToken();
    int index = token.indexOf('=');
    String key = token.substring(0, index);
    String value = token.substring(index + 1);
}

您是否尝试用“=”拆分并从结果数组的每对中创建一个标记?