Java 从文件中检索单词的正则表达式

我有一套特别的目录文件

从目录中的所有文件（文本文件）检索内容后，我有一个 字符串列表

每个字符串元素表示从每个文件检索到的内容。因此，列表中的第一个字符串元素表示第一个文件中的内容

现在我想拆分字符串以获得单词（稍后单词存储到字符串数组中） 1） 单词可以用单个空格/多个空格分隔。 2） 句子以“.”结尾，因此新词可以在“.”之后开始 3） 新词可以在“\n”之后开始

---

有人能推荐一个适合split（）方法的正则表达式吗？

您可能不需要regexp，只需从文件中删除每个非字母字符，并使用标记器读取每个单词。

您可能不需要regexp，只需从文件中删除每个非字母字符，并使用标记器阅读每个单词。

也许该类更适合您的需要。构造函数获取要标记的字符串和分隔符列表（在您的示例中为空格、、和换行符）。

也许该类更适合您的需要。构造函数获取要标记化的字符串和分隔符列表（在您的示例中为：空格、、和换行符）。

我建议为此使用标记。。。只需浏览每个角色，并根据角色是什么来决定要做什么。这是伪代码

string word = "";

while ( EOF ){

    char = getNextChar()

    if ( char not space or full-stop ){
        append the char to the word
    }
    else {
        if ( the word is empty ){ continue /* ignore multi space */ }
        else {
            add the word to an array of words
            reset the word to ""
        }
    }
}

---

这样，您就可以完全控制处理数据的方式—您不必担心要包含在正则表达式规则中的疯狂场景。最重要的是，这是最有效的方法（def优于regex），您只需对数据进行一次传递。

我建议使用令牌进行此操作。。。只需浏览每个角色，并根据角色是什么来决定要做什么。这是伪代码

string word = "";

while ( EOF ){

    char = getNextChar()

    if ( char not space or full-stop ){
        append the char to the word
    }
    else {
        if ( the word is empty ){ continue /* ignore multi space */ }
        else {
            add the word to an array of words
            reset the word to ""
        }
    }
}

String[] result = myString.split("[\\.\\s]");

---

这样，您就可以完全控制处理数据的方式—您不必担心要包含在正则表达式规则中的疯狂场景。最重要的是，这是最有效的方法（def优于regex），您只需对数据进行一次传递。

这可能是一个非常相似的问题：这可能是一个非常相似的问题：有很多工具已经编写好了。我不鼓励重新发明轮子。已经有很多工具可以实现这一点。我不鼓励重新发明轮子。

-

是非字母字符。似乎不应该移除它。此外，如果删除所有非字母字符，最终只会得到一个非常长的单词。我检索的文件内容是字符串列表，其中每个元素表示单个文件内容。现在，如果我在split（）方法中使用delimiter，我应该用什么来代替delimiter？@John B，Wojtek可能告诉我通过检测非字母字符来跟踪单词。显然，你不必删除空格，但这是我解决这个问题的一般思路。

-

是非字母字符。似乎不应该移除它。此外，如果删除所有非字母字符，最终只会得到一个非常长的单词。我检索的文件内容是字符串列表，其中每个元素表示单个文件内容。现在，如果我在split（）方法中使用delimiter，我应该用什么来代替delimiter？@John B，Wojtek可能告诉我通过检测非字母字符来跟踪单词。显然，你不必删除空格，但这是我解决这个问题的总体思路。根据

StringTokenizer

javadocs:

StringTokenizer是一个遗留类，出于兼容性原因保留了它，尽管新代码中不鼓励使用它。建议寻求此功能的任何人使用String的拆分方法或java.util.regex包。

根据

StringTokenizer

javadocs:

StringTokenizer是一个遗留类，出于兼容性原因保留，尽管在新代码中不鼓励使用它。建议任何寻求此功能的人改用String的split方法或java.util.regex包。

String[] result = myString.split("[\\.\\s]");