在处理结构化文本文件时，我们经常会遇到这样的场景：一行数据中包含多个字段，这些字段之间可能由一个或多个空格分隔。其中一些字段本身可能包含空格（例如人名“John Doe”），而另一些字段则是单字或数字。如果直接使用Scanner的next()方法，它会将每个空格都视为分隔符，导致无法正确读取包含空格的字段。本教程将介绍一种健壮的方法来解决这一问题。
核心策略：逐行读取与正则解析
解决上述问题的关键在于将文件读取和行内解析这两个步骤分离。首先，我们使用Scanner的nextLine()方法逐行读取文件内容，确保每一整行数据都被完整地获取为一个字符串。然后，对获取到的每一行字符串，我们再利用String.split()方法结合正则表达式进行精确解析。
假设我们有如下格式的文本文件：
John Doe 18 male Amy hun 19 female
我们的目标是将每行解析为三个独立的字符串：“姓名”、“年龄”和“性别”。
立即学习“Java免费学习笔记（深入）”；
正则表达式深度解析
为了正确地将一行字符串（例如"John Doe 18 male"）拆分成{"John Doe", "18", "male"}这三个部分，我们需要一个能够智能识别分隔符的正则表达式。这里的挑战在于：姓名内部的空格不应作为分隔符，而姓名与年龄之间、年龄与性别之间的空格则应该作为分隔符。
我们可以使用以下正则表达式来实现这一目标：
String regex = "(?<=\\d)\\s+|\\s+(?=\\d)";
这个正则表达式由两部分通过|（逻辑或）连接而成：
-
(?
- (?正向后瞻断言（positive lookbehind）。它表示匹配的当前位置必须紧跟在一个数字字符（\\d）之后。它本身不消耗任何字符。
- \\s+：匹配一个或多个空白字符（包括空格、制表符等）。
- 这部分组合起来的含义是：匹配那些位于一个数字字符之后的一个或多个空白字符。这主要用于处理“年龄”字段与“性别”字段之间的分隔，例如"18 male"中18后的空格。
-
\\s+(?=\\d):
- \\s+：匹配一个或多个空白字符。
- (?=\\d)：这是一个正向前瞻断言（positive lookahead）。它表示匹配的当前位置必须紧跟着一个数字字符（\\d）。它本身也不消耗任何字符。
- 这部分组合起来的含义是：匹配那些位于一个数字字符之前的一个或多个空白字符。这主要用于处理“姓名”字段与“年龄”字段之间的分隔，例如"John Doe 18"中Doe后的空格。
通过|将这两部分结合，我们实现了在数字前后、由空格分隔的精确拆分，同时保留了非数字字段内部的空格。
完整示例代码
以下是一个完整的Java代码示例，演示如何读取文件、应用正则表达式并创建Person对象列表：
import java.io.File;
import java.io.FileNotFoundException;
import java.util.ArrayList;
import java.util.List;
import java.util.Scanner;
// 假设有一个Person类用于存储解析后的数据
class Person {
private String name;
private int age;
private String gender;
public Person(String name, int age, String gender) {
this.name = name;
this.age = age;
this.gender = gender;
}
// 构造函数重载，如果年龄是字符串类型
public Person(String name, String ageStr, String gender) {
this(name, Integer.parseInt(ageStr), gender);
}
@Override
public String toString() {
return "Person{" +
"name='" + name + '\'' +
", age=" + age +
", gender='" + gender + '\'' +
'}';
}
}
public class TextFileParser {
public static void main(String[] args) {
// 假设文件名为 data.txt，内容如前所示
File file = new File("data.txt");
List personList = new ArrayList<>();
// 定义用于分割行的正则表达式
// 匹配数字后的空格 或 数字前的空格
String regex = "(?<=\\d)\\s+|\\s+(?=\\d)";
try (Scanner reader = new Scanner(file)) {
while (reader.hasNextLine()) {
String line = reader.nextLine(); // 读取整行
String[] tokens = line.split(regex); // 使用正则表达式分割行
// 检查分割后的字段数量是否符合预期
if (tokens.length == 3) {
try {
// 创建Person对象，注意年龄需要从字符串转换为整数
Person person = new Person(tokens[0], Integer.parseInt(tokens[1]), tokens[2]);
personList.add(person);
} catch (NumberFormatException e) {
System.err.println("跳过无效行（年龄格式错误）: " + line + " - " + e.getMessage());
}
} else {
System.err.println("跳过无效行（字段数量不匹配）: " + line);
}
}
} catch (FileNotFoundException e) {
System.err.println("文件未找到: " + e.getMessage());
}
// 打印解析结果
for (Person p : personList) {
System.out.println(p);
}
}
} 为了运行上述代码，请确保在与TextFileParser.java相同的目录下创建一个名为data.txt的文件，并填入以下内容：
John Doe 18 male Amy hun 19 female Single Name 25 unknown
注意事项与最佳实践
- 数据类型转换: 在上述示例中，年龄字段是从字符串tokens[1]中获取的。在实际应用中，通常需要将其转换为适当的数值类型（如int或Integer），这需要使用Integer.parseInt()方法。务必处理可能发生的NumberFormatException。
- 异常处理: 文件I/O操作（FileNotFoundException）和数据解析（NumberFormatException）都可能抛出异常。使用try-with-resources语句可以确保Scanner资源被正确关闭，并应捕获并处理可能发生的解析异常。
- 字段数量校验: 在处理每行数据时，最好检查tokens.length以确保分割后的字段数量符合预期。这有助于识别格式不正确的行并避免ArrayIndexOutOfBoundsException。
- 正则表达式的灵活性: 本教程中的正则表达式是针对特定格式设计的。如果文件格式有所变化（例如，字段之间使用逗号而不是空格，或者字段顺序不同），则需要相应地调整正则表达式。
- 更复杂的场景: 对于更复杂的文本解析任务，例如CSV文件、XML文件或JSON文件，建议使用专门的库（如Apache Commons CSV、Jackson、JAXB等），它们提供了更健壮和易于维护的解决方案。
总结
通过结合Scanner.nextLine()逐行读取和String.split()配合精心设计的正则表达式，我们可以有效地解析包含多词字段和数字字段的复杂文本行。这种方法提供了比传统Scanner.next()更精确的控制，能够适应字段间可变数量的空白字符，并避免了因空格作为默认分隔符导致的解析错误。理解并熟练运用正则表达式是Java文本处理中的一项重要技能。
