[英]How does BreakIterator work in Android?
我正在Android中创建自己的文本处理器(一个自定义垂直脚本TextView for Mongolian)。 我想我必须自己找到所有的断线位置,以便我可以实现换行,但后来我发现了BreakIterator
。 这似乎找到了各种语言中的字符,单词,行和句子之间的所有可能的中断。
我正在努力学习如何使用它。 文档比平均更有帮助,但仅仅通过阅读仍然难以理解。 我还找到了一些教程(见这里 , 这里和这里 ),但他们缺乏我正在寻找的输出的完整解释。
我正在添加这个Q&A风格的答案,以帮助自己学习如何使用BreakIterator
。
除了Java之外,我正在制作这个Android标签,因为它们之间显然存在一些差异 。 此外,Android现在支持ICU BreakIterator
,未来的答案可能会解决这个问题。
BreakIterator
可用于查找字符,单词,行和句子之间可能的中断。 这对于将光标移动到可见字符,双击以选择单词,三击以选择句子和换行等内容非常有用。
以下示例中使用了以下代码。 只需调整第一部分即可更改BreakIterator
的文本和类型。
// change these two lines for the following examples
String text = "This is some text.";
BreakIterator boundary = BreakIterator.getCharacterInstance();
// boiler plate code
boundary.setText(text);
int start = boundary.first();
for (int end = boundary.next(); end != BreakIterator.DONE; end = boundary.next()) {
System.out.println(start + " " + text.substring(start, end));
start = end;
}
如果您只想测试一下,可以将其直接粘贴到Android中的Activity的onCreate
中。 我正在使用System.out.println
而不是Log
因此它也可以在仅Java环境中测试。
我正在使用java.text.BreakIterator
而不是ICU,它只能从API 24获得。有关详细信息,请参阅底部的链接。
更改样板代码以包含以下内容
String text = "Hi 中文éé\uD83D\uDE00\uD83C\uDDEE\uD83C\uDDF3.";
BreakIterator breakIterator = BreakIterator.getCharacterInstance();
产量
0 H
1 i
2
3 中
4 文
5 é
6 é
8 😀
10 🇮🇳
14 .
最让人感兴趣的部分是在指数6
, 8
,和10
。 您的浏览器可能会或可能不会正确显示字符,但用户会将所有这些字符解释为单个字符,即使它们由多个UTF-16值组成。
更改样板代码以包含以下内容:
String text = "I like to eat apples. 我喜欢吃苹果。";
BreakIterator boundary = BreakIterator.getWordInstance();
产量
0 I
1
2 like
6
7 to
9
10 eat
13
14 apples
20 .
21
22 我
23 喜欢
25 吃
26 苹果
28 。
这里有一些有趣的事情需要注意。 首先,在空间的两侧检测到断字。 其次,即使有不同的语言,仍然可以识别出多字符的中文单词。 即使我将语言环境设置为Locale.US
在我的测试中仍然如此。
您可以保持代码与Words示例相同:
String text = "I like to eat apples. 我喜欢吃苹果。";
BreakIterator boundary = BreakIterator.getLineInstance();
产量
0 I
2 like
7 to
10 eat
14 apples.
22 我
23 喜
24 欢
25 吃
26 苹
27 果。
请注意,中断位置不是整行文本。 它们只是换行文本的便利位置。
输出类似于Words示例。 但是,现在前面的单词中包含空格和标点符号。 这是有道理的,因为您不希望新行以空格或标点符号开头。 另请注意,中文字符会为每个字符添加换行符。 这与在中文中跨行打破多字符单词的事实是一致的。
更改样板代码以包含以下内容:
String text = "I like to eat apples. My email is me@example.com.\n" +
"This is a new paragraph. 我喜欢吃苹果。我不爱吃臭豆腐。";
BreakIterator boundary = BreakIterator.getSentenceInstance();
产量
0 I like to eat apples.
22 My email is me@example.com.
50 This is a new paragraph.
75 我喜欢吃苹果。
82 我不爱吃臭豆腐。
以多种语言识别正确的句子休息时间。 此外,电子邮件域中的点没有误报。
您可以在创建BreakIterator
时设置Locale ,但如果不这样做, BreakIterator
使用默认语言环境 。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.