如何使用 String.split() 在 2 个分隔符一个接一个时添加空字符串

问题描述

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 个段的示例（已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，我忽略是否有转义字符，即问号 - ?' 将忽略例如行尾。 \+ 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问题。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（插入数据库中）之后处理它。在上面的例子中，我想要一个这样的标签：

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","DA"}

我可以帮我做正则表达式吗？使其匹配 ++ 和 :: 目前超出了我的技能。我也需要删除转义字符，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 - 所以如果我所做的在性能方面很糟糕，请不要犹豫告诉我 - 就像每个示例都用 + 和: 同时。

EDIFACT 格式在这里不是经常讨论的东西，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：我正在运行的代码 - 顺便说一句，我在 Java 8 上运行，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,EM2,16?'30,6,DA']

编辑编辑

尝试在在线 Java 11 编译器中运行此代码后，输出正确，但在 Java 8 上不正确。

已解决 - 两种模式相互干扰，仅在 java8 中发生

private static final Pattern DATA_ELEMENT_DELIMITERS = Pattern.compile("((?<!\\?)\\+)|((?<!\\?):)");

private String[] split (String segments){
    return Stream.of(segments)
            .flatMap(DATA_ELEMENT_DELIMITERS::splitAsstream)
            .toArray(String[]::new);
}

解决方法

我的第一个注意事项是，为了提高性能，您肯定希望编译一次 Pattern 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)

第二，正如@user15244370 所提到的，运行您的代码确实会产生您正在寻找的输出。我是这样运行的：

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

并得到输出：

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

假设您发布的内容与实际运行的内容之间存在一些差异，splitAsStream 的文档中提到：

尾随空字符串将被丢弃并且不会在流中遇到。

您是否在调用 split 后进行任何其他处理？你是如何打印数组的？您用来打印 string[] 的方法是否可能正在删除空字符串？据我所知，您的实现应该按您的预期运行。

data-processing edifact edifact java java regex regex regex