1. 问题背景与需求分析
在数据处理和文本分析中，经常需要从复杂的字符串中提取特定模式的数据。本教程关注一个具体场景：从一个混合了数字、字母、特殊字符甚至空白符的文本中，精确地提取所有数字。其特殊要求在于：
- 非空白字符连接的数字视为一个整体： 例如，字符串 ds[44]%6c 应该提取出 446。这里的 44 和 6 之间虽然有 % 字符，但由于 % 不是空白符，它们被视为同一个数字序列的一部分。
- 空白字符分隔的数字视为独立个体： 例如，字符串 2021 ds[44]%6c 应该提取出 2021 和 446。这里的 2021 和 ds[44]%6c 之间有空白符，因此它们被视为两个独立的数字序列。
传统的 -?\d+ 正则表达式可以捕获独立的数字，但无法处理数字之间夹杂非空白字符的情况，也无法有效区分空白符和非空白符对数字分组的影响。
2. 解决方案一：利用 Matcher.results() 匹配非空白数字块
Java 9 引入的 Matcher.results() 方法能够返回一个 Stream
2.1 核心正则表达式
我们使用的正则表达式是 [^\\s]*\\d+[^\\s]*。其含义如下：
- [^\\s]*：匹配零个或多个非空白字符。
- \\d+：匹配一个或多个数字。
- [^\\s]*：再次匹配零个或多个非空白字符。
这个正则表达式的目的是捕获一个“块”，这个块内部可能包含数字和非空白字符，但它的边界是由空白字符定义的（或者字符串的开始/结束）。
立即学习“Java免费学习笔记（深入）”；
2.2 实现代码
import java.util.List;
import java.util.regex.MatchResult;
import java.util.regex.Pattern;
import java.util.stream.Collectors;
public class NumberExtractor {
// 匹配包含至少一个数字，且前后被零个或多个非空白字符包围的序列
public static final Pattern TEXT_WITH_DIGITS = Pattern.compile("[^\\s]*\\d+[^\\s]*");
/**
* 从字符串中提取符合特定规则的整数列表。
* 数字之间若有非空白字符则合并，若有空白字符则分离。
*
* @param str 待处理的输入字符串
* @return 提取出的整数列表
*/
public static List getIntsUsingMatcherResults(String str) {
return TEXT_WITH_DIGITS.matcher(str).results() // 获取所有匹配结果的流 (Stream)
.map(MatchResult::group) // 提取每个匹配结果的完整字符串 (Stream)
.map(s -> s.replaceAll("\\D+", "")) // 移除字符串中的所有非数字字符，只保留数字
.map(Integer::valueOf) // 将纯数字字符串转换为Integer (Stream)
.toList(); // 收集结果到List
}
// 主方法用于测试
public static void main(String[] args) {
System.out.println("使用 Matcher.results() 方法:");
System.out.println("ds[44]%6c -> " + getIntsUsingMatcherResults("ds[44]%6c"));
System.out.println("2021 ds[44]%6c -> " + getIntsUsingMatcherResults("2021 ds[44]%6c"));
System.out.println(" 123 test 456-abc-789 -> " + getIntsUsingMatcherResults(" 123 test 456-abc-789 "));
}
} 2.3 工作原理详解
- TEXT_WITH_DIGITS.matcher(str).results(): 创建一个 Matcher 对象并调用其 results() 方法。这个方法返回一个 Stream
，其中每个 MatchResult 代表一个符合 TEXT_WITH_DIGITS 模式的匹配项。 - .map(MatchResult::group): 从每个 MatchResult 中提取出实际匹配到的字符串。此时，我们得到的是像 "ds[44]%6c" 或 "2021" 这样的字符串。
- .map(s -> s.replaceAll("\\D+", "")): 这是关键一步。对于每个匹配到的字符串，我们使用 replaceAll("\\D+", "") 来移除所有非数字字符（\\D 匹配任何非数字字符，+ 表示一个或多个）。例如，"ds[44]%6c" 会变成 "446"，"2021" 仍然是 "2021"。
- .map(Integer::valueOf): 将清理后的纯数字字符串转换为 Integer 类型。
- .toList(): 将最终的 Integer 流收集成一个 List。
3. 解决方案二：利用 Pattern.splitAsStream() 先分割再处理
另一种方法是首先根据空白符将整个字符串分割成多个部分，然后对每个部分进行数字提取和清理。Java 8 引入的 Pattern.splitAsStream() 方法非常适合此场景，它直接返回一个 Stream
3.1 核心正则表达式与分割策略
我们使用 \\s+ 作为分隔符，它匹配一个或多个空白字符。这意味着字符串将根据空白字符被拆分成多个片段。
3.2 实现代码
import java.util.List;
import java.util.regex.Pattern;
import java.util.stream.Collectors;
public class NumberExtractor {
// 匹配一个或多个空白字符
public static final Pattern WHITE_SPACES = Pattern.compile("\\s+");
/**
* 从字符串中提取符合特定规则的整数列表。
* 先按空白符分割，再处理每个片段。
*
* @param str 待处理的输入字符串
* @return 提取出的整数列表
*/
public static List getIntsUsingSplitAsStream(String str) {
return WHITE_SPACES.splitAsStream(str) // 按空白符分割字符串，得到一个字符串流 (Stream)
.dropWhile(String::isEmpty) // 移除开头的空字符串（处理字符串以空白符开头的情况）
.map(s -> s.replaceAll("\\D+", "")) // 移除每个片段中的所有非数字字符
.map(Integer::valueOf) // 将纯数字字符串转换为Integer
.toList(); // 收集结果到List
}
// 主方法用于测试
public static void main(String[] args) {
System.out.println("使用 Pattern.splitAsStream() 方法:");
System.out.println("ds[44]%6c -> " + getIntsUsingSplitAsStream("ds[44]%6c"));
System.out.println("2021 ds[44]%6c -> " + getIntsUsingSplitAsStream("2021 ds[44]%6c"));
System.out.println(" 123 test 456-abc-789 -> " + getIntsUsingSplitAsStream(" 123 test 456-abc-789 "));
}
} 3.3 工作原理详解
- WHITE_SPACES.splitAsStream(str): 使用 \\s+ 正则表达式作为分隔符，将输入字符串分割成一个 Stream
。例如，"2021 ds[44]%6c" 会被分割成 "2021" 和 "ds[44]%6c"。如果字符串以空白符开头，例如 " 123"，splitAsStream 可能会在流的开头产生一个空字符串。 - .dropWhile(String::isEmpty): 这是一个重要的步骤，尤其当输入字符串以一个或多个空白字符开头时。splitAsStream 可能会在流的开始生成一个空字符串。dropWhile 会丢弃流中满足给定条件的连续前缀元素。在这里，它会丢弃所有开头的空字符串，确保我们只处理有效的非空片段。
- .map(s -> s.replaceAll("\\D+", "")): 对每个分割后的片段，同样使用 replaceAll("\\D+", "") 移除所有非数字字符，只保留数字。
- .map(Integer::valueOf): 将清理后的纯数字字符串转换为 Integer 类型。
- .toList(): 将最终的 Integer 流收集成一个 List。
4. 示例与输出
为了更清晰地展示两种方法的实际效果，我们将两种方法集成到一个 main 方法中进行测试，并输出结果。
import java.util.List;
import java.util.regex.MatchResult;
import java.util.regex.Pattern;
import java.util.stream.Collectors;
public class NumberExtractor {
// 匹配包含至少一个数字，且前后被零个或多个非空白字符包围的序列
public static final Pattern TEXT_WITH_DIGITS = Pattern.compile("[^\\s]*\\d+[^\\s]*");
// 匹配一个或多个空白字符
public static final Pattern WHITE_SPACES = Pattern.compile("\\s+");
public static List getIntsUsingMatcherResults(String str) {
return TEXT_WITH_DIGITS.matcher(str).results()
.map(MatchResult::group)
.map(s -> s.replaceAll("\\D+", ""))
.map(Integer::valueOf)
.toList();
}
public static List getIntsUsingSplitAsStream(String str) {
return WHITE_SPACES.splitAsStream(str)
.dropWhile(String::isEmpty)
.map(s -> s.replaceAll("\\D+", ""))
.map(Integer::valueOf)
.toList();
}
public static void main(String[] args) {
String test1 = "ds[44]%6c";
String test2 = "2021 ds[44]%6c";
String test3 = " 123 test 456-abc-789 ";
String test4 = "no_digits_here";
String test5 = "only_1_digit";
System.out.println("--- 使用 Matcher.results() 方法 ---");
System.out.println("输入: \"" + test1 + "\" -> 输出: " + getIntsUsingMatcherResults(test1));
System.out.println("输入: \"" + test2 + "\" -> 输出: " + getIntsUsingMatcherResults(test2));
System.out.println("输入: \"" + test3 + "\" -> 输出: " + getIntsUsingMatcherResults(test3));
System.out.println("输入: \"" + test4 + "\" -> 输出: " + getIntsUsingMatcherResults(test4));
System.out.println("输入: \"" + test5 + "\" -> 输出: " + getIntsUsingMatcherResults(test5));
System.out.println("\n--- 使用 Pattern.splitAsStream() 方法 ---");
System.out.println("输入: \"" + test1 + "\" -> 输出: " + getIntsUsingSplitAsStream(test1));
System.out.println("输入: \"" + test2 + "\" -> 输出: " + getIntsUsingSplitAsStream(test2));
System.out.println("输入: \"" + test3 + "\" -> 输出: " + getIntsUsingSplitAsStream(test3));
System.out.println("输入: \"" + test4 + "\" -> 输出: " + getIntsUsingSplitAsStream(test4));
System.out.println("输入: \"" + test5 + "\" -> 输出: " + getIntsUsingSplitAsStream(test5));
}
} 输出结果:
--- 使用 Matcher.results() 方法 --- 输入: "ds[44]%6c" -> 输出: [446] 输入: "2021 ds[44]%6c" -> 输出: [2021, 446] 输入: " 123 test 456-abc-789 " -> 输出: [123, 456789] 输入: "no_digits_here" -> 输出: [] 输入: "only_1_digit" -> 输出: [1] --- 使用 Pattern.splitAsStream() 方法 --- 输入: "ds[44]%6c" -> 输出: [446] 输入: "2021 ds[44]%6c" -> 输出: [2021, 446] 输入: " 123 test 456-abc-789 " -> 输出: [123, 456789] 输入: "no_digits_here" -> 输出: [] 输入: "only_1_digit" -> 输出: [1]
从输出可以看出，两种方法都成功实现了预期的数字提取逻辑。
5. 注意事项与总结
-
Java 版本要求：
- Matcher.results() 方法自 Java 9 起可用。
- Pattern.splitAsStream() 和 Stream.dropWhile() 方法自 Java 9 起可用（splitAsStream 在 Java 8 引入，但 dropWhile 是 Java 9）。如果使用 Java 8，dropWhile 需要替换为其他过滤逻辑，例如 filter(s -> !s.isEmpty())，但这可能无法完全等效于 dropWhile 在处理连续空字符串时的行为。
- 正则表达式的预编译： 在示例中，Pattern 对象是作为 public static final 成员变量声明的。这意味着正则表达式只会被编译一次，提高了性能，尤其是在多次调用提取方法时。
- 错误处理： 示例代码中直接将清理后的字符串转换为 Integer。如果 replaceAll("\\D+", "") 的结果是一个空字符串（例如，如果某个匹配块中根本没有数字，但在本例中，\\d+ 保证了至少有一个数字），或者是一个无法解析为整数的字符串，Integer.valueOf() 将抛出 NumberFormatException。在实际应用中，可能需要添加 try-catch 块或额外的 filter 步骤来处理这些潜在异常，例如 filter(s -> !s.isEmpty())。
-
选择哪种方法：
- Matcher.results() 方法更直接地匹配了我们定义的“数字块”模式。如果你的需求是直接识别和处理这些复合模式，它可能更直观。
- Pattern.splitAsStream() 方法则采用“分而治之”的策略：先根据主要分隔符（空白符）将问题分解，再处理每个子问题。这种方法在分隔符清晰且需要对每个片段独立操作时非常有效。
- 两种方法在本特定问题中表现相似，选择哪种取决于个人偏好和对代码可读性的考量。
通过这两种基于Java Stream API和正则表达式的方法，我们可以高效且优雅地解决从混合文本中提取数字，并根据分隔符类型（空白符或非空白符）进行分组的复杂需求。
