將 .txt 文件中的單詞存儲到字符串數組中

Question

我正在查看以前有人提出的這個問題的答案，我發現它們非常有幫助。 但是，我對突出顯示的答案有疑問，但我不確定是否應該在那里問，因為它是一個 6 歲的線程。

我的問題是關於答案中給出的這段代碼：

private static boolean isAWord(String token)
{
    //check if the token is a word
}

您將如何檢查令牌是否為單詞？ 你會.contains("\\s+")字符串並檢查它是否包含它們之間的字符？ 但是當你遇到一個段落怎么辦？ 我不確定如何 go 關於這個。

編輯：我想我應該詳細說明一下。 通常，您會認為單詞會被“”包圍，但是，例如，如果文件包含連字符（也被空格包圍），您會希望isAWord()方法返回 false。 如何驗證某事實際上是一個單詞而不是標點符號？

Answer 1

由於問題不完全清楚，我做了兩種方法。 第一個方法包括整個字符串，如果它有任何數字/符號，則返回 false。 這應該足以確定標記是否是單詞（如果您不介意該單詞是否存在於字典中）。

public static boolean consistsOfLetters(String string) {
        for(int i=0; i<string.length(); i++) {
            if(string.charAt(i) == '.' && (i+1) == string.length() && string.length() != 1) break; // if last char of string is ., it is still word
            if((string.toLowerCase().charAt(i) < 'a' || string.toLowerCase().charAt(i) > 'z')) return false; 
        }  // toLowerCase is used to avoid having to compare it to A and Z
        return true;
    }
        

第二種方法幫助我們根據“ ”字符划分原始字符串（例如一個潛在詞的句子）。 完成后，我們 go 遍歷那里的每個元素並檢查它是否是一個單詞。 如果不是單詞，則返回 false 並跳過 rest。 如果一切正常，則返回 true。

    public static boolean isThisAWord(String string) {
        String[] array = string.split(" ");
        for(int i = 0; i < array.length; i++) {
            if(consistsOfLetters(array[i]) == false) return false;
        }
        return true;
    }

此外，這可能不適用於英語，因為英語在“不要”之類的詞中有撇號，因此需要進一步修改。

Answer 2

java 中的掃描儀默認使用他的WHITESPACE_PATTERN分割字符串，因此分割像"He's my friend"這樣的字符串會產生像["He's", "my", "friend"]這樣的數組。 如果這足夠了，只需刪除該 if 子句並且不要使用該方法。 如果你想用"He","is"而不是"He's" ，你需要一種不同的方法。

簡而言之：該方法的工作方式類似於驗證檢查 -> 如果給定的令牌不應該出現在結果中，則返回 false，否則返回 true。

Answer 3

return token.matches("[\\pL\\pM]+('(s|nt))?");

matches要求匹配整個字符串。

這需要字母\pL和零長度組合變音符號\pM （重音）。 並且可能是英文撇號，如果您認為doesn't ， let's使用一個術語（例如用於翻譯目的）。 您也可以考慮使用連字符。

有幾個單引號和破折號。

Path path = Paths.get("..../x.txt");
Charset charset = Charset.defaultCharset();
String content = Files.readString(path, charset)
Pattern wordPattern = Pattern.compile("[\\pL\\pM]+");
Matcher m = wordPattern.matcher(content);
while (m.find()) {
    String word = m.group(); ...
}