15

Eu gostaria de quebrar uma String em várias substrings, para isto estou usando o método split(). Acontece que, eu não tenho certeza de quais caracteres podem estar na variável que utilizarei.

Exemplificando:

String words[] = line.split(" ");

Este código atende ao que estou precisando, estou considerando que será usado somente o " " para separar as palavras. Mas o problema é que essa entrada será lida de um arquivo de texto onde usuário pode colocar qualquer caractere entre as palavras.

Então, eu precisaria criar algo do tipo:

String words[] = line.split(" #@_\\/.*");

É possível fazer isto em Java? Alguma solução?

3 Respostas 3

15

Uma possibilidade é:

    String a = "Exemplo, de. separar- string+ por* carater";
    //Como quer todos os caracteres pode usar esta expressão regular:
    String[] parts = a.split("[\\W]");

    for(String i:parts){
        System.out.println("===" +i);
    }

Output:

run:
===Exemplo
===
===de
===
===separar
===
===string
===
===por
===
===carater

Para remover os espaços também deverá alterar esta linha de código:

String[] parts = a.split("[\\W][ ]");

Output:

===Exemplo
===de
===separar
===string
===por
===carater
8
  • Funcionou! Poderia explicar melhor o que o [\\W] significa ali? Commented 26/11/2014 às 17:32
  • 2
    @mxn Em expressões regulares \W significa qualquer caractere que não seja uma letra ou número ou um underline.
    – utluiz
    Commented 26/11/2014 às 17:34
  • obrigado utluiz, estava a procura dessa informação para juntar a resposta Commented 26/11/2014 às 17:37
  • @mxn repara que editei a expressão regular assim [\\W][ ] assim remove os espaços também, como estava [\\W] guarda os espaços também... Commented 26/11/2014 às 17:39
  • A edição que você fez deixou de funcionar: a.split("[\\W][ ]"); não funciona. a.split("[\\W]"); funciona. O resultado de a.split("[\\W][ ]"); é o mesmo postado pelo @bigown. Tem como editar e deixar como estava? Commented 26/11/2014 às 17:40
14

Solução com \W

Nas expressões regulares implementadas no Java, conforme documentação da classe Pattern, existe uma classe de caracteres \w (minúsculo), que representa os caracteres que formam palavra. Seria o mesmo que [a-zA-Z_0-9].

Existe também a classe de caracteres \W(maiúsculo), que representa o oposto da anterior, isto é, caracteres que não formam palavras.

Uma solução simplista seria usar o \W para quebrar a String por qualquer caractere que não seja de uma palavra, incluindo qualquer pontuação e espaço.

Mas há problemas com esta abordagem:

  • Não considera caracteres especiais que comumente fazem parte de palavras, como é o caso do hífen, por exemplo.
  • Não considera caracteres acentuadas pois eles não fazem parte do conjunto de caracteres de palavras do \w.

Solução específica

Uma solução mais específica seria definir um conjunto de caracteres que devem "quebrar" a String. Exemplo:

String caracteres = " #@_\\/.*";

Depois, você coloca esses caracteres entre colchetes, o que em expressões regulares significa uma classe personalizada de caracteres. Exemplo:

String words[] = line.split("[" + Pattern.quote(caracteres) + "]");

O método Pattern.quote acima garante que os caracteres receberão o escape necessário para não estragar a expressão regular.

Exemplo completo

String line = "1 2#3@4_5/6.7*8";
String caracteres = " #@_\\/.*";
String words[] = line.split("[" + Pattern.quote(caracteres) + "]");
for (String string : words) {
    System.out.print(string + " ");
}

Saída:

1 2 3 4 5 6 7 8

Caracteres especiais em sequência

Com a expressão acima, podem ficar palavras em branco no vetor, caso sejam encontrados dois caracteres especiais ou espaços em sequência. Isso é comum no caso de uma frase que contém um ponto final ou vírgula seguido de um espaço em branco.

Para evitar que isso aconteça, basta acrescentar um + à direta da classe personalizada para que o split capture a sequência de caracteres especiais num único bloco, de uma só vez. Exemplo:

String words[] = line.split("[" + Pattern.quote(caracteres) + "]+");
6

Acho que isto resolve seu problema:

import java.io.*;

 class Test{
   public static void main(String args[]){
      String line = new String("banana*batata.pepino#alface_tomate@cenoura cebola/abacate|morango\\laranja");
      for (String retval: line.split(" |#|@|_|\\\\|\\/|\\.|\\*") ){
         System.out.println(retval);
      }
    
   }
}

Veja funcionando no ideone. E no repl.it. Também coloquei no GitHub para referência futura.

Estou usando um operador or do RegEx afinal o split() é baseado em RegEx.

3
  • Não sei se o RegEx está certo porque não costumo usá-lo mas é basicamente isto.
    – Maniero
    Commented 26/11/2014 às 17:29
  • Não funcionou para mim. Ele gerou uma String vazia, não sei o que foi "splited" mas não foram os caracteres, hehe. Mesmo assim, obrigado. Commented 26/11/2014 às 17:34
  • Tinha um probleminha mesmo mas agora testei e funcionou no que testei.
    – Maniero
    Commented 26/11/2014 às 18:24

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .