在java进行文本文件处理时，java.util.scanner是一个常用工具。然而，当文本数据中存在包含空格的字段（例如人名“john doe”）与以空格分隔的其他字段（例如年龄“18”）混合出现时，scanner的默认行为或简单的自定义分隔符常常会导致数据解析错误。例如，scanner.next()会将“john doe”识别为两个独立的token（“john”和“doe”），而非一个完整的姓名。本文将详细阐述如何通过结合逐行读取和正则表达式，高效且准确地解析此类复杂文本数据。
问题分析与传统方法局限
假设我们有一个文本文件，其内容格式如下：
John Doe 18 male Amy hun 19 female
我们期望将每行数据解析为一个包含姓名、年龄和性别的对象。如果尝试使用Scanner的next()方法：
while (reader.hasNextLine()){
// 假设 Person 构造函数接受三个 String 参数
// reader.next() 会将 "John Doe" 分割成 "John" 和 "Doe"
// 导致数据错位或 NoSuchElementException
// result[i] = new Person(reader.next(),reader.next(),reader.next());
// reader.nextLine(); // 消耗剩余行尾
// i++;
}这种方法会因为Scanner默认将所有空白字符视为分隔符而失败。reader.next()会依次获取“John”、“Doe”、“18”、“male”，导致在尝试创建Person对象时，reader.next()的调用次数与预期不符，最终可能抛出java.util.NoSuchElementException。简单地设置Scanner.useDelimiter("\s+")也无济于事，因为它依然会将姓名中的空格作为分隔符。此外，如果某些行只有单名（例如“Alice 22 female”），这种固定数量next()调用的方式也会导致解析错误。
核心解决方案：逐行读取与正则表达式解析
解决此问题的关键在于，首先完整地读取每一行数据，然后利用正则表达式的强大功能，根据特定的模式来精确分割行内的不同字段。
立即学习“Java免费学习笔记（深入）”；
1. 逐行读取数据
首先，使用Scanner的nextLine()方法或BufferedReader的readLine()方法，将文本文件中的每一行内容作为一个完整的字符串读取进来。这样可以确保包含空格的字段（如姓名）不会在初始读取阶段被错误地分割。
import java.io.File;
import java.io.FileNotFoundException;
import java.util.ArrayList;
import java.util.List;
import java.util.Scanner;
public class TextParser {
public static void main(String[] args) {
List<Person> personList = new ArrayList<>();
File file = new File("data.txt"); // 假设文件名为 data.txt
try (Scanner reader = new Scanner(file)) {
while (reader.hasNextLine()) {
String line = reader.nextLine(); // 读取整行数据
// ... 后续处理 ...
}
} catch (FileNotFoundException e) {
System.err.println("文件未找到: " + e.getMessage());
}
}
}
// 示例 Person 类
class Person {
String name;
int age;
String gender;
public Person(String name, String ageStr, String gender) {
this.name = name;
this.age = Integer.parseInt(ageStr); // 假设年龄总是数字
this.gender = gender;
}
@Override
public String toString() {
return "Person{" +
"name='" + name + ''' +
", age=" + age +
", gender='" + gender + ''' +
'}';
}
}现在，line变量将持有如"John Doe 18 male"这样的完整字符串。
2. 构建精准的正则表达式
接下来，我们需要一个正则表达式来识别姓名、年龄和性别之间的分隔点。观察数据格式，我们发现年龄（数字）是关键的分隔标志。姓名和年龄之间、年龄和性别之间都存在空白字符。
我们可以构建如下正则表达式： String regex = "(?
这个正则表达式的含义是：
- (?正向后瞻（positive lookbehind）断言。它匹配紧跟在一个数字\d之后的一个或多个空白字符\s+。这意味着它会在“Doe”和“18”之间的空白处进行分割，但不会包含“Doe”或“18”本身。
- |: 这是一个“或”运算符，表示匹配左边或右边的模式。
- \s+(?=\d): 这是一个正向前瞻（positive lookahead）断言。它匹配紧接着一个数字\d之前的一个或多个空白字符\s+。这意味着它会在“18”和“male”之间的空白处进行分割。
通过结合这两个模式，我们能够精确地在数字字段前后识别出分隔符，而不会错误地分割姓名中的空格。例如，对于字符串"John Doe 18 male"，该正则表达式会识别出“Doe”和“18”之间的空白以及“18”和“male”之间的空白作为分割点，最终将其分割为{"John Doe", "18", "male"}。
3. 应用正则表达式分割字符串
使用String类的split()方法，将读取到的行字符串根据上述正则表达式进行分割：
// ... 在 while 循环内部 ...
String line = reader.nextLine();
String regex = "(?<=\d)\s+|\s+(?=\d)";
String[] tokens = line.split(regex);
// tokens 数组现在将包含 {"John Doe", "18", "male"}
// ...4. 数据封装与处理
分割完成后，tokens数组将包含我们期望的三个字段。我们可以根据这些字段创建Person对象。在将字符串转换为数字类型时，应考虑潜在的NumberFormatException。
// ... 在 while 循环内部 ...
String line = reader.nextLine();
String regex = "(?<=\d)\s+|\s+(?=\d)";
String[] tokens = line.split(regex);
if (tokens.length == 3) { // 确保分割结果符合预期
try {
// 使用 trim() 方法去除字段两端的空白字符，增加健壮性
Person person = new Person(tokens[0].trim(), tokens[1].trim(), tokens[2].trim());
personList.add(person);
} catch (NumberFormatException e) {
System.err.println("解析年龄失败，跳过行: " + line + " - " + e.getMessage());
}
} else {
System.err.println("警告: 行格式不匹配，无法解析: " + line);
}
// ...完整代码示例
将上述步骤整合，形成完整的文本解析逻辑：
import java.io.File; import java.io.FileNotFoundException
