Недавно я использовал мощь обычного регулярного выражения для разбиения строки:
"abc8".split("(?=\\d)|\\W")
При печати на консоль это выражение возвращает:
[abc, 8]
Очень доволен этим результатом, я хотел передать его в Guava для дальнейшей разработки, которая выглядела так:
Splitter.onPattern("(?=\\d)|\\W").split("abc8")
К моему удивлению, выход изменился на:
[abc]
Почему?
Вы нашли ошибку!
System.out.println(s.split("abc82")); // [abc, 8]
System.out.println(s.split("abc8")); // [abc]
Это метод, который Splitter использует для фактического разделения String (Splitter.SplittingIterator::computeNext):
@Override
protected String computeNext() {
/*
* The returned string will be from the end of the last match to the
* beginning of the next one. nextStart is the start position of the
* returned substring, while offset is the place to start looking for a
* separator.
*/
int nextStart = offset;
while (offset != -1) {
int start = nextStart;
int end;
int separatorPosition = separatorStart(offset);
if (separatorPosition == -1) {
end = toSplit.length();
offset = -1;
} else {
end = separatorPosition;
offset = separatorEnd(separatorPosition);
}
if (offset == nextStart) {
/*
* This occurs when some pattern has an empty match, even if it
* doesn't match the empty string -- for example, if it requires
* lookahead or the like. The offset must be increased to look for
* separators beyond this point, without changing the start position
* of the next returned substring -- so nextStart stays the same.
*/
offset++;
if (offset >= toSplit.length()) {
offset = -1;
}
continue;
}
while (start < end && trimmer.matches(toSplit.charAt(start))) {
start++;
}
while (end > start && trimmer.matches(toSplit.charAt(end - 1))) {
end--;
}
if (omitEmptyStrings && start == end) {
// Don't include the (unused) separator in next split string.
nextStart = offset;
continue;
}
if (limit == 1) {
// The limit has been reached, return the rest of the string as the
// final item. This is tested after empty string removal so that
// empty strings do not count towards the limit.
end = toSplit.length();
offset = -1;
// Since we may have changed the end, we need to trim it again.
while (end > start && trimmer.matches(toSplit.charAt(end - 1))) {
end--;
}
} else {
limit--;
}
return toSplit.subSequence(start, end).toString();
}
return endOfData();
}
Интересующая область:
if (offset == nextStart) {
/*
* This occurs when some pattern has an empty match, even if it
* doesn't match the empty string -- for example, if it requires
* lookahead or the like. The offset must be increased to look for
* separators beyond this point, without changing the start position
* of the next returned substring -- so nextStart stays the same.
*/
offset++;
if (offset >= toSplit.length()) {
offset = -1;
}
continue;
}
Эта логика отлично работает, если пустое совпадение не происходит в конце String. Если пустое совпадение происходит в конце String, это приведет к пропуску этого символа. Эта часть должна выглядеть (уведомление >= → >):
if (offset == nextStart) {
/*
* This occurs when some pattern has an empty match, even if it
* doesn't match the empty string -- for example, if it requires
* lookahead or the like. The offset must be increased to look for
* separators beyond this point, without changing the start position
* of the next returned substring -- so nextStart stays the same.
*/
offset++;
if (offset > toSplit.length()) {
offset = -1;
}
continue;
}
В Guava Splitter появляется ошибка, когда шаблон соответствует пустой строке. Если вы попытаетесь создать Matcher и распечатать то, что оно соответствует:
Pattern pattern = Pattern.compile("(?=\\d)|\\W");
Matcher matcher = pattern.matcher("abc8");
while (matcher.find()) {
System.out.println(matcher.start() + "," + matcher.end());
}
Вы получаете вывод 3,3, который делает его похожим на то, что он будет соответствовать 8. Поэтому он просто разбивается, в результате получается только abc.
Вы можете использовать, например. Pattern#split(String), который, как представляется, дает правильный результат:
Pattern.compile("(?=\\d)|\\W").split("abc8")