Java如何拆分字符串

清疚 2022-09-07 06:13 224阅读 0赞

假如现在有这样一串字符序列“`沉默王二，一枚有趣的程序员`”，需要按照中文逗号“，”进行拆分，这意味着第一串字符序列为逗号前面的“沉默王二”，第二串字符序列为逗号后面的“一枚有趣的程序员”。  
直接上 String 类的 split() 方法不就可以了。  
**但是，在拆分之前，要先进行检查，判断一下这串字符是否包含逗号，否则应该抛出异常**。

public static void main(String[] args) { 
            String str = "折腾的小飞，一枚有趣的程序员";
            if (str.contains("，")) { 
                String [] parts = str.split("，");
                System.out.println("第一部分：" + parts[0] +" 第二部分：" + parts[1]);
            } else { 
                throw new IllegalArgumentException("当前字符串没有包含逗号");
            }
        }
    // 输出：第一部分：折腾的小飞 第二部分：一枚有趣的程序员

这是建立在字符串是确定的情况下，最重要的是分隔符是确定的。否则，麻烦就来了。”我说，“大约有 12 种英文特殊符号，如果直接拿这些特殊符号替换上面代码中的分隔符（中文逗号），这段程序在运行的时候就会出现以下提到的错误。

1. 反斜杠 \（ArrayIndexOutOfBoundsException）
    2. 插入符号 ^（同上）
    3. 美元符号 $（同上）
    4. 逗点 .（同上）
    5. 竖线 |（正常，没有出错）
    6. 问号 ?（PatternSyntaxException）
    7. 星号 *（同上）
    8. 加号 +（同上）
    9. 左小括号或者右小括号 ()（同上）
    10. 左方括号或者右方括号 []（同上）
    11. 左大括号或者右大括号 {}（同上）

怎么办？我们可以使用**正则表达式**

我在 GitHub 上找打了一个开源的正则表达式学习文档，非常详细。一开始写正则表达式的时候难免会感觉到非常生疏，你可以查看一下这份文档。记不住没关系，遇到就查。

[https://github.com/cdoco/learn-regex-zh][https_github.com_cdoco_learn-regex-zh]

除了这份文档，还有一份：

[https://github.com/cdoco/common-regex][https_github.com_cdoco_common-regex]

来用英文逗点 `.`替换一下分隔符。

String str = "折腾的小飞.一枚有趣的程序员";
    if (str.contains(".")) { 
        String [] parts = str.split("\\.");
        System.out.println("第一部分：" + parts[0] +" 第二部分：" + parts[1]);
    } else { 
        throw new IllegalArgumentException("当前字符串没有包含逗号");
    }

由于英文逗点属于特殊符号，所以在使用 `split()`方法的时候，就需要使用正则表达式 `\\.`而不能直接使用`.`。

为什么用两个反斜杠呢？  
因为反斜杠本身就是一个特殊字符，需要用反斜杠来转义。

当然了，你也可以使用`[]`来包裹住英文逗点“.”，\[\] 也是一个正则表达式，用来**匹配方括号中包含的任意字符**。

str.split("[.]");

除此之外， 还可以使用 `Pattern 类`的 `quote()`方法来包裹英文逗点“.”，该方法会返回一个**使用 \\Q\\E 包裹的字符串**。

String [] parts = str.split(Pattern.quote("."));

当 split() 方法的参数是正则表达式的时候，方法最终会执行下面这行代码：

return Pattern.compile(regex).split(this, limit);

也就意味着，拆分字符串有了新的选择，可以不使用 String 类的 split() 方法，直接用下面的方式。

private static Pattern twopart = Pattern.compile("\\.");
    
    public static void main(String[] args) { 
        String[] parts = twopart.split("沉默王二.一枚有趣的程序员");
        System.out.println("第一部分：" + parts[0] + " 第二部分：" + parts[1]);
    }

为什么要把 Pattern 表达式声明称 static 的呢？  
由于模式是确定的，通过 static 的预编译功能可以提高程序的效率。  
除此之外，还可以使用 Pattern 配合 Matcher 类进行字符串拆分，这样做的好处是可以对要拆分的字符串进行一些严格的限制。  
来看这段示例代码。

public class TestPatternMatch { 
        /** * 使用预编译功能，提高效率 */
        private static Pattern twopart = Pattern.compile("(.+)\\.(.+)");
    
        public static void main(String[] args) { 
            checkString("沉默王二.一枚有趣的程序员");
            checkString("沉默王二.");
            checkString(".一枚有趣的程序员");
        }
    
        private static void checkString(String str) { 
            Matcher m = twopart.matcher(str);
            if (m.matches()) { 
                System.out.println("第一部分：" + m.group(1) + " 第二部分：" + m.group(2));
            } else { 
                System.out.println("不匹配");
            }
        }
    }

正则表达式 `(.+)\\.(.+)` 的意思是，不仅要把字符串按照英文标点的方式拆成两部分，并且英文逗点的前后要有内容。

程序的输出结果：

第一部分：沉默王二 第二部分：一枚有趣的程序员
    不匹配
    不匹配

不过，使用 Matcher 来匹配一些简单的字符串时相对比较沉重一些，使用 String 类的 split() 仍然是首选，因为该方法还有其他一些牛逼的功能。比如说，如果你想把分隔符包裹在拆分后的字符串的第一部分，可以这样做：

String cmower = "沉默王二，一枚有趣的程序员";
    if (cmower.contains("，")) { 
        String [] parts = cmower.split("(?<=，)");
        System.out.println("第一部分：" + parts[0] +" 第二部分：" + parts[1]);
    }

程序输出的结果如下所示：

第一部分：沉默王二， 第二部分：一枚有趣的程序员

可以看到分隔符“，”包裹在了第一部分，如果希望包裹在第二部分，可以这样做：

String [] parts = cmower.split("(?=，)");

`?<=` 和`?=`是什么东东啊？  
它其实是正则表达式中的断言模式  
![在这里插入图片描述][b2e21957e35841849b6a867bbb6366e8.png]  
`split()` 方法可以传递 2 个参数，第一个为分隔符，第二个为拆分的字符串个数

String cmower = "沉默王二，一枚有趣的程序员，宠爱他";
    if (cmower.contains("，")) { 
        String [] parts = cmower.split("，", 2);
        System.out.println("第一部分：" + parts[0] +" 第二部分：" + parts[1]);
    }

进入 debug 模式的话，可以看到以下内容：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjY2MTQy_size_16_color_FFFFFF_t_70]  
也就是说，传递 2 个参数的时候，会直接调用 `substring()` 进行截取，第二个分隔符后的就不再拆分了。

程序输出的结果：

第一部分：沉默王二 第二部分：一枚有趣的程序员，宠爱他

[https_github.com_cdoco_learn-regex-zh]: https://github.com/cdoco/learn-regex-zh
[https_github.com_cdoco_common-regex]: https://github.com/cdoco/common-regex
[b2e21957e35841849b6a867bbb6366e8.png]: /images/20220829/b9ae71d8a6ac4fd58dd5d8997b1c13d0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjY2MTQy_size_16_color_FFFFFF_t_70]: /images/20220829/0589178b07184c68a355c6235c36fa24.png