如何使用 String.split() 一个接一个地添加空字符串

Question

我对正则表达式很陌生，我必须为我正在开发的加载程序拆分 EDI 文件。如果您不熟悉它，这里有一个 2 段的示例（经过修改以解释所有内容，因此它不是一个真实的示例）：

APD+EM2:0:16?'30::6+++++++DA'APD+EM2:0:1630::6+++++++DA'

行尾用 ' 标记，如果有作为问号的转义字符，我会忽略 - 例如，?' 是忽略行尾。 \+ 和 : 是主要的分隔符（当数据像地址一样复合时）。

段的拆分工作正常，但我对其他分隔符有疑问。我想要一个包含所有元素的 String[]，即使它们是空的，因为我需要在（插入数据库）之后处理它。对于上面的例子，我想要一个像这样的标签：

APD+EM2:0:16?'30::6+++++++DA

会变成：

{"APD","EM2","0","16?'30","","6","","","","","","","DA"}

目前使用我的代码，我得到一个这样的标签：

{"APD","EM2","0","16?'30","6","DA"}

我的正则表达式可以帮忙吗？使其与 ++ 和 :: 匹配目前超出了我的能力范围。我还需要删除转义字符，但我会自己处理。

顺便说一句，我需要处理大量数据 - 300gb 的原始文本 - 所以如果我所做的性能不佳，请不要犹豫告诉我 - 就像每个例子都分开 + 和 : 同时。

EDIFACT 格式在这里讨论得不多，我发现的几个例子对我不起作用。

当前代码：

private final String DATA_ELEMENT_DELIMITER = "(?<!\?)\+";
private final String DATA_COMPOSITE_ELEMENT_DELIMITER = "(?<!\?):";

private String[] split (String segments){       
    return Stream.of(segments)
            .flatMap(Pattern.compile(DATA_ELEMENT_DELIMITER)::splitAsStream)
            .flatMap(Pattern.compile(DATA_COMPOSITE_ELEMENT_DELIMITER)::splitAsStream)
            .toArray(String[]::new);
}

编辑：我运行ning 的代码 - 顺便说一句，我运行ning 在 Java 8 上，但不确定它是否有所作为：

import java.util.Arrays;
import java.util.regex.Pattern;
import java.util.stream.Stream;
public class Split {

    public static void main(String[] args) {
        Split s = new Split();
        System.out.println(
                Arrays.toString(
                    s.split("APD+EM2:0:16?'30::6+++++++DA'")
                )
            );
    }
    
    
    private static final Pattern DATA_ELEMENT_DELIMITER = Pattern.compile("(?<!\?)\+");
    private static final Pattern DATA_COMPOSITE_ELEMENT_DELIMITER = Pattern.compile("(?<!\?):");
    
    private String[] split (String segments){       
        return Stream.of(segments)
                .flatMap(DATA_ELEMENT_DELIMITER::splitAsStream)
                .flatMap(DATA_COMPOSITE_ELEMENT_DELIMITER::splitAsStream)
                .toArray(String[]::new);
    }
}

这是我得到的输出：

[APD, EM2, 0, 16?'30, , 6, DA']

编辑编辑

在在线 Java 11 编译器中尝试运行这段代码后，输出是正确的，但在 Java 8.

上却不正确

Answer 1

我的第一个注意事项是，为了提高性能，您肯定希望编译 Pattern 一次并重用实例：

private static final Pattern DATA_ELEMENT_DELIMITER = Pattern.compile("(?<!\?)\+");
private static final Pattern DATA_COMPOSITE_ELEMENT_DELIMITER = Pattern.compile("(?<!\?):");
// ...
.flatMap(DATA_ELEMENT_DELIMITER::splitAsStream)
.flatMap(DATA_COMPOSITE_ELEMENT_DELIMITER::splitAsStream)

其次，正如@user15244370 提到的，运行您的代码确实产生了您正在寻找的输出。我运行是这样的：

System.out.println(
    Arrays.toString(
        split("APD+EM2:0:16?'30::6+++++++DA'APD+EM2:0:1630::6+++++++DA'")
    )
);

得到输出：

[APD, EM2, 0, 16?'30, , 6, , , , , , , DA'APD, EM2, 0, 1630, , 6, , , , , , , DA']

假设您发布的内容与实际内容之间存在一些差异运行，splitAsStream 的文档提到：

Trailing empty strings will be discarded and not encountered in the stream.

您在调用 split 之后是否进行了任何额外处理？你是如何打印阵列的？您用于打印 string[] 的方法是否可能正在删除空字符串？据我所知，您的实施应该会如您所愿。

如何使用 String.split() 一个接一个地添加空字符串

How to add empty string when 2 delimiters one after another with String.split()

java

regex

data-processing

edifact