BreakIterator如何在Android中运行？

Question

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。

Answer 1

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。

Boilerplate代码

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。

人物

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。

话

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。

行

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。

句子

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。

笔记

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 。

进一步阅读

• 文档
• ICU版的BreakIterator
• 这是一个更有用的教程。