JAVA按文字，标点符号和引号分割句子

问题描述：

一句话：

"Hallo, I'm a dog. The end. Someone said: \"Earth is Earth\". Is it good? I like it! 'He is right' said I."

当前正则表达式：

\\s+|(?<=[\\p{Punct}&&[^']])|(?=[\\p{Punct}&&[^']])

当前的结果：

{"Hallo", ",", "I'm", "a", "dog", ".", "The", "end", ".", "Someone", 
"said", ":", **""**, """ , "Earth", "is", "Earth", """, ".", "Is", "it", 
"good", "?", "I", "like", "it", "!", **"'He"**, "is", **"right'"**, 
"said", "I", "."}

我有多余的""一次报价符号前，它不会分裂“从单词。

结果，我想：

{"Hallo", ",", "I'm", "a", "dog", ".", "The", "end", ".", "Someone", 
"said", ":", """ , "Earth", "is", "Earth", """, ".", "Is", "it", 
"good", "?", "I", "like", "it", "!", "'" , "He", "is", "right", "'", 
"said", "I", "."}

编辑：对不起！更多的代码，然后：

String toTest = "Hallo, I'm a dog. The end. Someone said: \"Earth is Earth\". Is it good? I like it! 'He is right' said I."; 
String [] words = toTest.split("\\s+|(?<=[\\p{Punct}&&[^']])|(?=[\\p{Punct}&&[^']])");

，并产生单词列表： “ ”

话= { “你好”，“”， “我”， “一”， “狗”， “The”，“end”，“。”，“Someone”， “said”，“：”，“”“”，“”，“Earth”，“is”，“Earth” “”，“Is”，“it”， “好”，“？”，“我”，“like”，“它”，“！”，“'他”，“is”，“ right'“, ”said“，”I“，”。“}

我在您的问题中看不到任何Java代码。 – 2014-11-21 13:04:29

@LutzHorn正则表达式是一个Java代码。 – RealSkeptic 2014-11-21 13:05:46

@RealSkeptic为什么不是Perl，Python或Ruby？ – 2014-11-21 13:10:21

答

你可以试试：

\\s+|(?<=[\\p{Punct}&&[^']])(?!\\s)|(?=[\\p{Punct}&&[^']])(?<!\\s)|(?<=[\\s\\p{Punct}]['])(?!\\s)|(?=['][\\s\\p{Punct}])(?<!\\s)

与said: \"Earth的问题是，你之前分裂和空间后，所以我加了负前瞻和负向后看的部件拆分围绕标点符号。

我还添加了两种情况，用于拆分单引号，前提是后跟空格或标点符号。

但是，正如@RealSkeptic在他的评论中写道，这不会照顾

一个单引号，它表示possesion像海豚鼻子

，您可能需要写一个真实解析器。

答

你可以尝试从你的话中分离的特殊字符：

yoursentence.replaceAll("([^\\w ])", " $1 ").split(" +");

这打乱了空间，但我猜你不需要关心有多少人在你的句子彼此相邻。此外，“位”比你更简单：d

可复制代码尝试：

public static void main(String[] args) { 
    String s = "Hallo, I'm a dog. The end. Someone said: \"Earth is Earth\". Is it good? I like it! 'He is right' said I."; 
    String replaceAll = s.replaceAll("([^\\w ])", " $1 "); 
    List<String> asList = Arrays.asList(replaceAll.split(" +")); 

    for (String string : asList) { 
     System.out.println(string); 
    } 
}

答

虽然有可能有一个正则表达式来解决这个问题，我的做法是把工作分成几个每一步都在做一件事。

因此，我建议你创建一个接口：

return Arrays.asList (input.get (0).split ("\\s+"));

：

public interface IProcess { 
    List<String> process (List<String> input); 
}

现在你可以用一个包含整个句子作为第一个元素，并返回用空格分开单词列表中开始

下一步是为每种特殊字符编写处理器并链接它们。例如，您可以在每个单词的末尾剥离.,!?以清理后续步骤的输入。

这样，每当发现错误并轻松缩小链中需要改进的部分时，您可以轻松地为每个处理器编写单元测试。

JAVA按文字，标点符号和引号分割句子

相关推荐