将Java中的字符串拆分为等长的子字符串，同时保持单词边界

Question

如何在保持单词边界的同时将字符串分成最大字符长度的相等部分？

例如，如果我想将字符串“ hello world”分割为最多7个字符的相等子字符串，则应该返回我

"hello "

和

"world"

但是我当前的实现返回

"hello w"

和

"orld   "

我正在使用以下从Java中的Splitstring拆分为等长子字符串的代码，将输入字符串拆分为相等的部分

public static List<String> splitEqually(String text, int size) {
    // Give the list the right capacity to start with. You could use an array
    // instead if you wanted.
    List<String> ret = new ArrayList<String>((text.length() + size - 1) / size);

    for (int start = 0; start < text.length(); start += size) {
        ret.add(text.substring(start, Math.min(text.length(), start + size)));
    }
    return ret;
}

将字符串拆分为子字符串时，是否可以保持单词边界？

更具体地说，我需要字符串拆分算法来考虑空格提供的单词边界，而不是仅在拆分字符串时依赖于字符长度，尽管这也需要考虑，但更像是字符的最大范围而不是硬编码的字符长度。

Answer 1

如果我正确理解了您的问题，那么这段代码应该可以满足您的要求（但是它假定 maxLenght 等于或大于最长字）

String data = "Hello there, my name is not importnant right now."
        + " I am just simple sentecne used to test few things.";
int maxLenght = 10;
Pattern p = Pattern.compile("\\G\\s*(.{1,"+maxLenght+"})(?=\\s|$)", Pattern.DOTALL);
Matcher m = p.matcher(data);
while (m.find())
    System.out.println(m.group(1));

输出：

Hello
there, my
name is
not
importnant
right now.
I am just
simple
sentecne
used to
test few
things.

"\\G\\s*(.{1,"+maxLenght+"})(?=\\s|$)"正则表达式的简短说明：

（请记住，Java
\不仅在正则表达式中很特殊，而且在字符串文字中也是如此，因此要使用预定义的字符集，就像\d我们需要编写它那样，"\\d"因为我们也需要\在字符串文字中对其进行转义）

• \G-是表示先前建立的匹配项结尾的锚点，还是表示尚无匹配项（当我们刚开始搜索时）字符串开头（与之相同^）
• \s*-代表零个或多个空格（\s代表空格，*“零个或多个”量词）
• (.{1,"+maxLenght+"})-让我们将其拆分为更多部分（在运行时:maxLenght将保留一些数值，如10，因此regex会将其视为.{1,10}）
  • .代表任何字符（实际上默认情况下它可以代表除行分隔符（如\n或）之外的任何字符\r，但是由于有了Pattern.DOTALL标志，它现在可以代表任何字符- 如果要开始分别分割每个句子，则可以摆脱此方法参数，因为它的开始将无论如何都要换行 ）
  • {1,10} -这是一个量词，它使前面描述的元素出现1到10次（默认情况下会尝试查找匹配重复的最大数量），
  • .{1,10} -因此，根据我们刚才所说的，它只代表“ 1到10个字符”
  • ( )-括号创建组，结构，使我们能够保存匹配的特定部分（此处添加括号后\\s*是因为我们只想在空格后使用部分）

• (?=\\s|$)-是一种超前机制，可确保匹配的文本.{1,10}后面有：

  • 空格（\\s）

或（写为|）

* 字符串末尾`$`。

因此，由于.{1,10}我们最多可以匹配10个字符。但是有了(?=\\s|$)它之后，我们要求与匹配的最后一个字符.{1,10}不属于未完成的单词的一部分（后面必须有空格或字符串的结尾）。