停止詞未從字符串中正確刪除

Question

我有一個功能，可以從文件中讀取停用詞並將其保存在HashSet中。

HashSet<String> hset = readFile();

這是我的弦

String words = "the plan crash is invisible";

我正在嘗試從字符串中刪除所有停用詞，但無法正常工作

我得到的輸出：計划崩潰不可用

我想要的輸出=>計划崩潰不可見

碼：

HashSet<String> hset = readFile();
        String words = "the plan crash is invisible";

        String s = words.toLowerCase();

        String[] split = s.split(" ");
        for(String str: split){
            if (hset.contains(str)) {

                s = s.replace(str, "");

            } else {

            }

        }

        System.out.println("\n" + "\n" + s);

Answer 1

盡管hset.contains(str)匹配完整單詞，但s.replace(str, ""); 可以替換出現在輸入String單詞中的“ stop”單詞。 因此， “INV 是 IBLE”變成“invible”。

由於無論如何都要遍歷s所有單詞，因此可以構造一個String ，其中包含Set未包含的所有單詞：

StringBuilder sb = new StringBuilder();
for(String str: split){
    if (!hset.contains(str)) {
        if (sb.length() > 0) {
            sb.append(' ');
        }
        sb.append(str);
    }
}
System.out.println("\n" + "\n" + sb.toString());

Answer 2

不需要，因此請檢查您的字符串是否包含停用詞或拆分字符串，可以使用使用正則表達式的replaceAll ，如下所示：

for (String str : hset) {
    s = s.replaceAll("\\s" + str + "|" + str + "\\s", " ");
}

---

例子：

HashSet<String> hset = new HashSet<>();
hset.add("is");
hset.add("the");

String words = "the plan crash is invisible";

String s = words.toLowerCase();

for (String str : hset) {
    s = s.replaceAll("\\s" + str + "|" + str + "\\s", " ");
}
s = s.replaceAll("\\s+", " ").trim();//comment and idea of @davidxxx
System.out.println(s);

這可以給你：

plan crash invisible