如何在非转义分隔符上正确拆分？

Question

我有以下示例字符串：

A|B\|C\|D\\|E\\F

与 |是定界符，\ 是转义符。正确的分割应该如下所示：

A
B\|C\
D\\|E\\
F

此外，如果分隔符或转义符由多个字符组成，我还需要此逻辑普遍适用。

我已经有一个在正确位置拆分的正则表达式，但它没有产生所需的输出：

正则表达式：

(?<!\Q\E)(?:(\Q\\E)*)\Q|\E

输出：

A
B\|C
D\\|E
F

我通常在这里测试：https://regex101.com/，但我在 java 工作，所以我有更多的能力。

还尝试了以下方法，但也没有得到肯定的结果（在网页上不起作用，但在 java 中并没有产生预期的结果）：

(?=(\Q\\E){0,5})(?<!\Q\E)\Q|\E

Answer 1

提取方法

您可以使用匹配方法，因为它最稳定并且允许任意数量的转义 \ 字符。您可以使用

(?s)(?:\.|[^\|])+

见regex demo。详情:

(?s) - Pattern.DOTALL 嵌入标志选项
(?:\.|[^\|])+ - \ 的一次或多次重复，然后是任何一个字符，或除 \ 和 |.

参见 Java demo:

String s = "A|B\|C\\|D\\\|E\\\\|F";
Pattern pattern = Pattern.compile("(?:\\.|[^\\|])+", Pattern.DOTALL);
Matcher matcher = pattern.matcher(s);
List<String> results = new ArrayList<>();
while (matcher.find()){
    results.add(matcher.group());
} 
System.out.println(results); 
// => [A, B\|C\, D\\|E\\, F]

拆分方法（split 的解决方法）

您可以（ab）在 Java 正则表达式中使用 constrained-width 后视模式支持，并使用限制量词 {0,1000} 而不是 * 量词。解决方法看起来像

String s = "A|B\|C\\|D\\\|E\\\\|F";
String[] results = s.split("(?<=(?<!\\)(?:\\{2}){0,1000})\|"); System.out.println(Arrays.toString(results));

参见 this Java demo。

注意 (?:\{2}){0,1000} 部分最多只允许 1000 个转义反斜杠，我相信在大多数情况下应该足够了，但您可能想先测试一下。我仍然推荐第一个解决方案。

详情:

(?<= - 正面回顾的开始：
- (?<!\) - 没有紧跟 \
- (?:\{2}){0,1000} - 双反斜杠出现零到一千次
) - 正回顾结束
\| - 一个 | 字符。

如何在非转义分隔符上正确拆分？

How to properly split on a non escaped delimiter?

java

regex

escaping

delimiter