拆分嵌套的字符串并保留引号

Question

我正在Java中的一个需要嵌套字符串的项目中工作。

对于纯文本形式的输入字符串，如下所示：

这是“字符串”，这是“ \嵌套”字符串

结果必须为以下内容：

[0] This
[1] is
[2] "a string"
[3] and
[4] this
[5] is
[6] "a \"nested\" string"

请注意 ，我希望\"保留序列。
我有以下方法：

public static String[] splitKeepingQuotationMarks(String s);

而且我需要根据给s定的规则从给定的参数中创建一个字符串数组，而不使用 Java Collection Framework 或其派生类。

我不确定如何解决这个问题。
可以做一个正则表达式来解决这个问题吗？

根据评论中的问题进行更新 ：

• 每个未转义"的结尾"均未转义（它们是平衡的）
• \如果我们要创建表示它的文字，则每个转义字符也必须转义（要创建表示\我们需要将其编写为的文本\\）。

Answer 1

您可以使用以下正则表达式：

"[^"\\]*(?:\\.[^"\\]*)*"|\S+

参见正则表达式演示

Java演示：

String str = "This is \"a string\" and this is \"a \\\"nested\\\" string\""; 
Pattern ptrn = Pattern.compile("\"[^\"\\\\]*(?:\\\\.[^\"\\\\]*)*\"|\\S+");
Matcher matcher = ptrn.matcher(str);
while (matcher.find()) {
    System.out.println(matcher.group(0));
}

说明 ：

• "[^"\\]*(?:\\.[^"\\]*)*"-双引号，后跟a "和\（[^"\\]）以外的任何0+字符，后跟任何转义序列（\\.）的0+序列，后跟a "和之外的任何0+字符。\
• | - 要么…
• \S+ -1个或多个非空白字符

注意

@ Pshemo的建议-"\"(?:\\\\.|[^\"])*\"|\\S+"（或"\"(?:\\\\.|[^\"\\\\])*\"|\\S+"会更正确的）-是相同的表达，但由于它是利用与量化的交替组的效率低得多*。由于正则表达式引擎必须测试每个位置，因此此构造涉及更多的回溯，每个位置有2个概率。我的基于_循环展开的_ 版本将一次匹配大量文本，因此更加快捷，可靠。

更新

由于String[]类型是输出的必需项，因此您需要分两个步骤进行操作：计算匹配项，创建数组，然后再次运行匹配器：

int cnt = 0;
String str = "This is \"a string\" and this is \"a \\\"nested\\\" string\""; 
Pattern ptrn = Pattern.compile("\"[^\"\\\\]*(?:\\\\.[^\"\\\\]*)*\"|\\S+");
Matcher matcher = ptrn.matcher(str);
html" target="_blank">while (matcher.find()) {
    cnt++;
}
System.out.println(cnt);
String[] result = new String[cnt];
matcher.reset();
int idx = 0;
while (matcher.find()) {
    result[idx] = matcher.group(0);
    idx++;
}
System.out.println(Arrays.toString(result));

观看另一个IDEONE演示