使用String.split（）提取单词对

Question

鉴于：

String input = "one two three four five six seven";

是否有一个正则表达式可以同时String.split()抓取（最多）两个单词，例如：

String[] pairs = input.split("some regex");
System.out.println(Arrays.toString(pairs));

结果：

[one two, three four, five six, seven]

这个问题是关于 分割正则表达式的 。这与“找到解决方法”或其他“使其以其他方式工作”解决方案 无关 。

Answer 1

当前（最近在Java
14上进行了测试）可以使用split()，但在现实世界中不要使用此方法，因为它看起来像是基于错误的，因为Java中的后向应该具有明显的最大长度，但是此解决方案使用\w+不遵守此限制的方法，并且仍然可以以某种方式起作用-
因此，如果此错误将在以后的版本中修复，则该解决方案将停止工作。

而是使用Pattern和Matcher带有正则表达式的类\w+\s+\w+（除了更安全之外）还避免了将要继承此类代码的人的维护麻烦（请记住“
始终进行编码，就像最终维护您代码的人是知道您所住地的暴力心理变态者 ”） 。

这是你想要的？
（您可以替换\\w与\\S包括所有非空格字符，但在这个例子中，我会离开\\w，因为它是更容易阅读正则表达式\\w\\s，然后\\S\\s）

String input = "one two three four five six seven";
String[] pairs = input.split("(?<!\\G\\w+)\\s");
System.out.println(Arrays.toString(pairs));

输出：

[one two, three four, five six, seven]

\G是上一场比赛，(?<!regex)是负向回望。

在split我们试图

1. 查找空间-> \\s
2. 无法预测的-> (?<!negativeLookBehind)
3. 用一句话-> \\w+
4. 与先前匹配的（空格）-> \\G
5. 在它之前-> \\G\\w+。

一开始我唯一的困惑是它如何在第一个空间工作，因为我们希望忽略该空间。 重要信息是\\G在开始时匹配String的开始^。

因此，在第一次迭代之前，正则表达式在负向后看起来会像，(?<!^\\w+)并且由于第一个空格 确实
在^\\w+之前，所以它无法匹配拆分。下一个空格将不会出现此问题，因此将对其进行匹配，并且有关该信息的信息（例如其在String中的 _ 位置_input）将存储在其中，\\G并稍后在下一个负向后搜索中使用。

因此，对于第三个空格，正则表达式将检查之前是否存在匹配的空格\\G和单词\\w+。由于此测试的结果将是肯定的，因此负向后看不会接受它，因此该空间将不匹配，但是第4个空间将不会出现此问题，因为它之前的空间将与存储在其中的空间相同\\G（它将在inputString中具有不同的位置）
。

另外，如果有人想分开说每个第3个空格，您可以使用此表单基于@maybeWeCouldStealAVan的答案

input.split("(?<=\\G\\w{1,100}\\s\\w{1,100}\\s\\w{1,100})\\s")

可以使用更大的值代替100，而该值至少应为String中最长单词的长度。

我只是注意到，如果我们想与每个奇数分开，例如每个3、5、7 ，我们也可以使用+代替{1,maxWordLength}

String data = "0,0,1,2,4,5,3,4,6,1,3,3,4,5,1,1";
String[] array = data.split("(?<=\\G\\d+,\\d+,\\d+,\\d+,\\d+),");//every 5th comma