在java中，通过标点符号和空格等将字符串拆分为正则表达式
在java中，通过标点符号和空格等将字符串拆分为正则表达式
提问于 2011-09-12 15:53:02
我将这个文本文件读入到Java应用程序中，然后逐行计算其中的单词。现在，我用一个
String.split([\\p{Punct}\\s+])"但我知道我遗漏了文本文件中的一些单词。例如，单词"can't“应该分为两个单词"can”和"t“。
逗号和其他标点符号应该完全忽略，并被视为空格。我一直在试图理解如何形成一个更精确的正则表达式来实现这一点，但我是一个新手，所以我需要一些帮助。
对于我所描述的目的，还有什么比正则表达式更好的？
回答 4
Stack Overflow用户
发布于 2011-09-12 16:25:03
有一个非字面量，\W，参见Pattern。
String line = "Hello! this is a line. It can't be hard to split into \"words\", can it?";
String[] words = line.split("\\W+");
for (String word : words) System.out.println(word);给出
Hello
this
is
a
line
It
can
t
be
hard
to
split
into
words
can
itStack Overflow用户
发布于 2011-09-12 16:16:13
Stack Overflow用户
发布于 2011-09-12 16:18:32
尝试：
line.split("[\\.,\\s!;?:\"]+");
or "[\\.,\\s!;?:\"']+"这是以下字符之一的或匹配：., !;?:"' (请注意，其中有一个空格，但没有/或)+使几个字符一起被计为一个字符。
这应该会给你一个足够的准确性。更精确的正则表达式需要更多关于需要解析的文本类型的信息，因为‘也可以是一个单词分隔符。大多数情况下，大多数标点符号分隔符都在空格周围，因此在[\\s]+上进行匹配也是非常接近的。(但对简短的引语给出了错误的计数，比如:她说：“不”。)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/7384791
复制相关文章
相似问题