Java 消除宫缩

我想删除英文散文输入字符串中的所有撇号，但保留原始含义和大写字母，即

• 难道-->不是吗
• 我是，我是
• 是的，是的
• 不应该-->不应该
• 不能-->不能
• 约翰的-->约翰（够好了）

---

在java中实现这一点的最佳/最简单的方法是什么？

有一个压缩字典

Map

，它将压缩映射到它们的拼写形式。因为撇号替换的内容没有单一的规则，所以这本词典的方法很简单。

替换缩略语有一些硬性的规则。只要有一个对字符串执行这些函数的方法

public String removeContractions(String inputString) { 

    inputString = inputString.replaceAll("n't", " not");
    inputString = inputString.replaceAll("'re", " are");
    inputString = inputString.replaceAll("'m", " am");
    inputString = inputString.replaceAll("'ll", " will");
    inputString = inputString.replaceAll("'ve", " have");

    return inputString;
}

这甚至会保留你的占有欲

当然，也有一些收缩依赖于上下文，比如

他会
。这可能是“他能”、“他会”、“他有”等等，因此，这超越了简单的替换算法，更多的是在机器学习领域

public String removeControversialContractions(String inputString) {

    inputString = inputString.replaceAll("'d", " would");
    inputString = inputString.replaceAll("'s", "s");

    return inputString;
}

也许对于
的
，您可以检查包含它的单词是否以大写字母开头（表示名称），并有条件地将其替换为
s
或
is
。然而，这不会捕捉到句子开头的正常收缩，所以

如果你想要一个简单完美的方法，我不确定你会得到一个。要做这些更复杂的事情，你需要一个你经常引用的大字典文件或机器学习技术。
所有所有格呢？保持资本化怎么样？
鲍勃的小马
vs
鲍勃的小马名为鲍勃
对。这是一个固有的歧义，这正是我提倡字典法的原因。对于“的”没有“硬性规定”，但肯定有一些可以包含在字典中。i、 Bob的不会被替换，但它总是会映射到it is*（因为所有格形式是*its）。当然，如果有一些明确的规则，您可以先编写这些规则，但它应该与字典一起使用，因为这样可以更精确地区分模糊和明确的规则cases@irr“Bobs a pony”很好
inputString=inputString.replaceAll（“'s”，“s”）见最后一个例子。是的，你可以加上这个，但我认为问题的精神是尽可能保留所有格。：）也许这不是目的，但是，在这种情况下，这可能是一个很好的补充。@Bohemian已经有了一个空间。：）至少，我在屏幕上看到了一个<代码>（“不”、“不”）这似乎是最好的答案。正如您所指出的，处理
的
很棘手。例如“很好”，但“一直很好”。可能是“'s been”->“have”，然后是“'s”->“is”。为什么约翰的
会映射到约翰的
？@irrelephant它还会映射到什么？