如何将 Java ArrayList 中的字符串按固定长度（两字符）分割为子串_网络技术

本文介绍使用正则表达式 `split("(?

在自然语言处理或自定义词法解析器（如 Tokenizer 类）中，常需将单词按固定粒度（如双字母组）进行切分。题目要求：对 Reader 类中筛选出的大写英文单词（如 "TEACHER" → "Te", "ac", "her"），无论原始字符串长度为奇数或偶数，均严格拆分为三段，每段尽可能为两个字符，剩余字符归入最后一段。例如：

"TEACHER"（7 字符，奇数）→ ["TE", "AC", "HER"]
"CATTLE"（6 字符，偶数）→ ["CA", "TT", "LE"]

该需求本质上是「每 2 个字符切一刀，但只切两刀，形成三段」，而非简单等长分片。Java 中最简洁、健壮的实现方式是使用 正则表达式的边界匹配，而非手动计算索引或循环拼接。

✅ 推荐方案：正则 split() 配合 \G 锚点

核心正则表达式：

str.split("(?<=\\G..)(?=..)")

(?正向后查找（lookbehind）：匹配位置前必须紧邻「上一次匹配结束处（\G）之后的两个字符」；
(?=..) 是正向前查找（lookahead）：匹配位置后必须至少还有两个字符；
二者共同作用，在每两个字符之后、且后面仍有字符时“插入分割点”，从而自然实现「两两分组」，且自动兼容奇偶长度——末尾剩余 1 或 2 字符均保留在最后一段。

? 注意：\G 表示上一匹配的结束位置（或字符串开头），配合 .. 确保每次匹配都从上一轮切分后的位置继续推进，避免重叠或遗漏。

? 完整可运行示例（整合 Reader + Tokenizer）

首先修正原代码中的关键问题：

Tokenizer 中未导入 java.util.Arrays，导致 Arrays.toString() 报错；
原 splitString() 方法错误地对每个字符串调用 Arrays.toString()，得到的是 [T, e, a, c, h, e, r] 这类单字符数组字符串，而非目标双字母组；
应对每个字符串单独 split()，再将结果 String[] 存入列表（如 List）或展平为 List。

以下是优化后的 Tokenizer.splitString() 实现：

import java.util.*;
import java.util.stream.Collectors;

public class Tokenizer {
    private final Reader rd = new Reader();

    public List splitString() {
        List words = rd.getWord(); // 获取大写单词列表，如 ["PRINTER", "AIRPORT", ...]
        return words.stream()
                .map(word -> word.split("(?<=\\G..)(?=..)")) // 每词拆为 String[]
                .collect(Collectors.toList());
    }

    // 若需扁平化为单层字符串列表（所有子串合并）：
    public List splitAndFlatten() {
        List words = rd.getWord();
        return words.stream()
                .flatMap(word -> Arrays.stream(word.split("(?<=\\G..)(?=..)")))
                .collect(Collectors.toList());
    }
}

调用并验证输出：

public class Main {
    public static void main(String[] args) {
        Tokenizer tokenizer = new Tokenizer();
        List result = tokenizer.splitString();

        for (String[] parts : result) {
            System.out.println(Arrays.toString(parts));
        }
    }
}

输出结果：

[PR, IN, TER]
[AI, RP, ORT]
[PA, IN, TER]
[LE, TT, ER]
[VE, HI, CLE]
[TE, AC, HER]

✅ 完全符合题目要求："TER"（3 字）、"ORT"（3 字）、"CLE"（3 字）、"HER"（3 字）均为末段保留余数；偶数长词如 "LETT" → "LE", "TT", "ER"（注意原 "Letter" 经 toUpperCase() 后为 "LETTER"，长度 6 → "LE", "TT", "ER"）。

⚠️ 注意事项与最佳实践

不要在循环中反复创建 Reader 实例：当前设计中 Tokenizer 每次调用都新建 Reader，虽无错但低效。建议通过构造函数注入或使用单例模式。
空字符串与边界长度需防御：若输入字符串长度
性能考量：正则 split() 在大数据量下略慢于 substring() 手动切分，但代码可读性与维护性显著更高。万级以下单词处理无需优化。
区分大小写：Reader.wordCheck() 已调用 .toUpperCase()，故切分基于大写字符串，符合示例输出风格。

✅ 总结

使用 str.split("(?

# java # 正则表达式 # 字符串 # 切分 # 而非 # 三段 # 的是 # 自然语言 # 均为 # 上一 # 这类 # 更高

相关栏目：【网站优化151355 】【网络推广146373 】【网络技术251813 】【 AI营销90571 】