Split函数，正则表达式与空字符串

在处理CSV文件的时候，我们总是要用Java/Scala的Split函数，但是如果CSV文件的某一行用空格的话，split函数可能不会返回我们想要的结果；

比如stackoverflow上的一个例子：

"elem1,elem2,".split(",") = List("elem1","elem2")
我们会发现最后的一个空格没有了；而在处理CSV的时候，我们希望得到的结果是
"elem1,"elem2","","")

事实上，split函数如果发现头尾是空字符串的话，是会自动掐头去尾的。如果要禁止他掐头去尾，应该在split函数当中填上第二个参数，这个参数给一个负数即可，例如split(str,-1)
比如：

String s = "elem1,";
String[] tokens = s.split(",",-1);

Java文档中对于split函数的第二个参数limit做了如下解释：

The limit parameter controls the number of times the pattern is applied and therefore affects the length of the resulting array. If the limit n is greater than zero then the pattern will be applied at most n - 1 times,the array’s length will be no greater than n,and the array’s last entry will contain all input beyond the last matched delimiter. If n is non-positive then the pattern will be applied as many times as possible and the array can have any length. If n is zero then the pattern will be applied as many times as possible,the array can have any length,and trailing empty strings will be discarded.

简而言之，就是如果是正数的话，就只用这么多次；如果是负数的话，就能用几次用几次；如果是0，还是能用几次用几次，但是头尾的空字符串会被扔掉。

另外，今天看到一个问题：有人想用“|”这个符号来作为分隔符，却怎么都不对：

val s = "Pedro|groceries|apple|1.42"
s: java.lang.String = Pedro|groceries|apple|1.42

scala> s.split("|")
res27: Array[java.lang.String] = Array("",P,e,d,r,o,|,g,c,i,s,a,p,l,1,.,4,2)

其原因在于，当split函数的第一个参数传进一个String的时候，split函数会认为这个参数是一个正则式，而“|”符号在正则式里面是“或”的符号，所以“|”被split解读为“空字符串 或 空字符串”，结果就出现了问题。正确的做法是应该传'|'，即用单引号括起来，或者用进行转义。

来源：
1. http://stackoverflow.com/questions/27689065/how-to-split-string-with-trailing-empty-strings-in-result
2. http://stackoverflow.com/questions/11284771/scala-string-split-does-not-work