删除文本文件中的空格

Question

我必须编写一个简单的代码来计算文本文件中的单词。 然后有人告诉我，它是不完整的，因为例如，当连续有两个或多个空格时，函数会将它们视为一个单词，并且结果将是不正确的。 因此，我尝试通过列出列表并删除其中的所有“”元素来修复它，但似乎不起作用。 您能否建议可以做什么？

这是现在的代码：

    int count = 0;
    File file = new File("C:\\Users\\user\\Desktop\\Test.txt");
    FileInputStream fis = new FileInputStream(file);
    byte[] bytesArray = new byte[(int) file.length()];
    fis.read(bytesArray);
    String s = new String(bytesArray);
    String[] data = s.split(" ");
    List<String> list = new ArrayList<>(Arrays.asList(data));
    list.remove(" ");
    data = list.toArray(new String[0]);
    for (int i = 0; i < data.length; i++) {
        count++;
    }
    System.out.println("Number of words in the file are " + count);

Answer 1

您可以通过正则表达式实现

String [] data = s.split（“ \\ s +”）;

        int count = 0;
        File file = new File("/home/vahid/Documents/test.txt");
        FileInputStream fis = new FileInputStream(file);
        byte[] bytesArray = new byte[(int) file.length()];
        fis.read(bytesArray);
        String s = new String(bytesArray);
        String[] data = s.split("\\s+");
        List<String> list = new ArrayList<>(Arrays.asList(data));
        list.remove(" ");
        data = list.toArray(new String[0]);
        for (int i = 0; i < data.length; i++) {
            count++;
        }
        System.out.println("Number of words in the file are " + count);

Answer 2

做个书呆子。 您可以使用java.nio.file包中的类仅一行完成操作：)

int count = new String(Files.readAllBytes(Paths.get("/tmp/test.txt")), "UTF-8")
           .trim().split("\\s+").length;

计算文件中有多少个单词。 要么

String result = new String(Files.readAllBytes(Paths.get("/tmp/test.txt")), "UTF-8")
           .trim().replaceAll("\\s+", " ");

具有正确替换内容的单个字符串。

Answer 3

尝试以下代码行：

String data1 = s.trim().replaceAll(" +", " ");

前行：

String[] data = data1.split(" ");

这应该删除String中2个或更多连续空格的任何出现。 无需使用list.remove(" ")

Answer 4

处理此类要求的最佳方法：首先，我们应该知道文本文件中使用的字符编码。 基于此，我们应该尝试逐字节读取文件，并同时执行处理Ex：如果在读取第一个字节时文件是utf-8，我们可以确定还应该读取多少个字节才能得到文件。当我们找到“。”时，第一个字符。 或“”或换行符，那么我们可以将其识别为单词分隔符。

这种方式非常有效（特别是对于大文件），并且始终会影响文件编码。

如果我们使用byte []调用String构造函数，它将始终使用默认编码，并且还会逐字节迭代数组。