在Java中使用标点符号和空格等通过正则表达式拆分字符串

Question

我有读取到Java应用程序中的文本文件，然后逐行计算其中的单词。现在，我用

String.split([\\p{Punct}\\s+])"

但是我知道我缺少文本文件中的某些单词。例如，单词“不能”应分为两个单词“可以”和“ t”。

逗号和其他标点符号应完全忽略，并视为空白。我一直在尝试了解如何形成更精确的正则表达式来执行此操作，但是在这方面我是新手，因此我需要一些帮助。

就我所描述的目的而言，什么是更好的正则表达式？

Answer 1

您的正则表达式有一个小错误。试试这个：

String[] Res = Text.split("[\\p{Punct}\\s]+");

[\\p{Punct}\\s]+将+字符类内部的表单移到外部。+否则，您也将在a上拆分，并且不要在一行中合并拆分的字符。

所以我得到了这段代码

String Text = "But I know. For example, the word \"can\'t\" should";

String[] Res = Text.split("[\\p{Punct}\\s]+");
System.out.println(Res.length);
for (String s:Res){
    System.out.println(s);
}

这个结果

10
但是
我
知道
对于
例如
在
字
可以
牛逼
应

哪个应该满足您的要求。

作为替代，您可以使用

String[] Res = Text.split("\\P{L}+");

\\P{L} Means不是具有属性“ Letter”的unicode代码点