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。
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 < keywords.length; i++) {
if (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]
}
}⚠️ 注意事项：
- 关键词顺序无关紧要，但若存在包含关系（如 "cat" 和 "cats"），应将更长的词放在前面，否则 "cats" 可能被 "cat" 截断；
- Pattern.quote() 用于安全处理含正则元字符的关键词（如 "a.b"）；
- . 在末尾作为兜底项，必须放在最后，否则会提前匹配单字符，导致数字或关键词无法被捕获；
- 此方法时间复杂度为 O(n)，远优于多轮循环拆分的 O(n²) 潜在开销。
总结：当面对“多类型混合提取”需求时，放弃 split() 思维，转向 find() 匹配，用交替正则明确声明所有合法单元，即可用几行代码替代冗长的状态机或嵌套循环——简洁、健壮、且易于扩展。
