如何用正则表达式精准提取数字、关键词与单字符（无需手动循环拆分）-java教程-PHP中文网

如何用正则表达式精准提取数字、关键词与单字符（无需手动循环拆分）

本文介绍一种基于正则匹配（而非字符串分割）的优雅方案：使用交替模式（alternation）一次性提取所有目标单元——包括浮点数/整数、预设关键词（如 "cats"、"dogs"），其余字符则自动逐个捕获，避免嵌套循环与多轮处理。

本文介绍一种基于正则匹配（而非字符串分割）的优雅方案：使用交替模式（alternation）一次性提取所有目标单元——包括浮点数/整数、预设关键词（如 "cats"、"dogs"），其余字符则自动逐个捕获，避免嵌套循环与多轮处理。

在字符串解析任务中，若需将输入按“优先级”划分为三类单元——预定义关键词（如 "cats"、"dogs"）、合法数字（支持整数与带小数点的浮点数，如 "3.0"、"7"、"8.0"），以及其余所有单字符（如 "}"、"q"、"d"），传统 String.split() 无法满足需求：它仅能指定分隔符，而无法主动“提取”多种异构模式。此时，更高效的做法是反向思维：不拆分，而是匹配——利用正则的 Matcher.find() 遍历所有符合任一规则的连续子串。

核心正则表达式为：

cats|dogs|d(?:.d*)?|.

该模式由四部分通过 |（或）连接，按从左到右顺序尝试匹配（即具备优先级）：

cats|dogs：优先匹配完整关键词，确保 "catsdogs" 被正确切分为 "cats" + "dogs"，而非误判为单字符；
d(?:.d*)?：匹配数字——d 匹配首位数字，(?:.d*)? 是非捕获组，表示可选的小数部分（. 后跟零或多个数字），从而兼容 "7" 和 "3.0"、"8.0" 等；
.：万能兜底项，匹配任意单个字符（包括 }、q、d 等未被前两项捕获的字符）。

✅ 关键优势：顺序优先 + 无重叠匹配。正则引擎从左至右扫描，每次找到最长可能匹配（贪婪默认），且已匹配位置不再重复参与后续匹配，天然规避了多轮迭代的复杂逻辑。

ColossalChat
ColossalChat是一款AI工具，Colossal-AI推出的免费开源版ChatGPT聊天机器人替代品。

下载

以下是 Java 实现示例（可直接运行）：

import java.util.ArrayList;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTokenize {
    public static ArrayList<string> tokenize(String input, String... keywords) {
        // 动态构建正则：转义关键词并拼接
        StringBuilder regex = new StringBuilder();
        for (int i = 0; i  0) regex.append("|");
            regex.append(Pattern.quote(keywords[i])); // 防止关键词含特殊字符
        }
        regex.append("|\d(?:\.\d*)?|."); // 追加数字和单字符

        ArrayList<string> result = new ArrayList();
        Matcher m = Pattern.compile(regex.toString()).matcher(input);
        while (m.find()) {
            result.add(m.group());
        }
        return result;
    }

    public static void main(String[] args) {
        String input = "3.0catsdogs}qd7cats8.0dogs";
        ArrayList<string> tokens = tokenize(input, "cats", "dogs");
        System.out.println(tokens); 
        // 输出：[3.0, cats, dogs, }, q, d, 7, cats, 8.0, dogs]
    }
}</string></string></string>

⚠️ 注意事项：