Java 如何识别句子的结尾

如果我有上面的字符串，我需要通过使用句子边界标点（比如.和？）将其分解成句子

但它不应该因为有一个指针而将句子拆分为6。有没有办法确定java中正确的句子边界位置？我曾尝试在java.util包中使用stringTokenizer，但每当它找到指针时，它总是打断句子。有人能给我一个正确的方法吗

这是我尝试过的将文本标记成句子的方法

String x=" i am going to the party at 6.00 in the evening. are you coming with me?";

公共静态数组列表句子切分器（字符串文本）{
ArrayList语句=新的ArrayList（）；
StringTokenizer st=新的StringTokenizer（文本“.？！”）；
而（st.hasMoreTokens（））{
添加（st.nextToken（））；
}
返回句子；
}

我还有一种方法可以将句子分割成短语，但在这里，当程序发现逗号（，）时，它会分割文本。但是，当中间有逗号的60000个数字时，我不需要拆分它。下面是我用来分割短语的方法

public static ArrayList<String> sentence_segmenter(String text) {
    ArrayList<String> Sentences = new ArrayList<String>();

    StringTokenizer st = new StringTokenizer(text, ".?!");
    while (st.hasMoreTokens()) {

        Sentences.add(st.nextToken());
    }
    return Sentences;
}

publicstaticarraylistphrasesegmenter（字符串文本）{
ArrayList短语=新建ArrayList（）；
StringTokenizer st=新的StringTokenizer（文本“，”）；
而（st.hasMoreTokens（））{
添加（st.nextToken（））；
}
返回短语；
}

来自：

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

如果使用split，可以使用任何正则表达式将文本拆分为句子。您可能想要类似于

和空格或文本结尾：

   public static ArrayList<String> phrasesSegmenter(String text) {
    ArrayList<String> phrases = new ArrayList<String>();
    StringTokenizer st = new StringTokenizer(text, ",");
    while (st.hasMoreTokens()) {
        phrases.add(st.nextToken());
    }
    return phrases;
}

这是我解决这个问题的办法

text.split("[?!.]($|\\s)")

/**尝试确定给定文本的索引i中是否有句子结尾
*@param text
*@param i
*@返回
*/
公共静态布尔值isSentenceEnd（字符串文本，int i）{
char c=text.charAt（i）；
返回ISENTENCENDCHAR（c）和&！isPeriodWord（文本，i）；
} 
/**
*周期词是诸如“Dr.”或“Mr.”之类的词
*
*@param text-要添加到examoine的文本。
*@param i-priod.'字符的索引
*@返回
*/
私有静态字符串[]periodWords={“先生”、“太太”、“女士”、“教授”、“博士”、“将军”、“代表”、“参议员”、“圣徒”，
“Sr.”、“Jr.”、“Ph.”、“Ph.D.”、“M.D.”、“B.A.、“M.A.”、“D.D.”、“D.D.S.”，
“B.C.”、“B.C.”、“a.m.”、“a.m.”、“p.m.”、“p.m.”、“a.D.”、“a.D.”、“B.C.E.”、“C.E.”，
“即”、“等”、“如”、“等”；
私有静态布尔值isPeriodWord（字符串文本，int i）{
如果（i<4）返回true；
如果（text.charAt（i-2）=''返回true；//一个字符的单词肯定是优先单词
String txt=text.substring（0，i）；
for（字符串pword:periodWords）{
if（txt.endsWith（pword））返回true；
}
如果（txt.matches（“^.*\\d\\.$”）返回true；//日期以“.”分隔或数字以分数分隔
返回false；
}
私有静态最终字符[]语句EndChars={'.'，'？'，'−'};
私有静态布尔值isSentenceEndChar（char c）{
for（字符集：SENTENDCHARS）{
如果（c==sec）返回true；
}
返回false；
}
但是如何识别正确的位置来分割句子。如果句子中有一个小数，那么句号不能作为句子的结尾。我需要知道如何处理这些情况。r（
\s
）并在开头添加了一个
*？
，以使拆分后返回的第一个元素更清晰。我仍然没有得到答案。@fejese您的正则表达式不起作用@fejese谢谢，伙计。它现在起作用了。但是我有另一个问题，我编辑了我的帖子。您能检查一下并给我一个解决方案吗？非常感谢。如果您发现我的答案适合你的问题，然后接受它，如果你有额外的新问题，那么打开一个新的问题。但是你最近的问题与原来的问题完全相同。花一些时间来理解这个答案中的解决方案为什么和如何工作，并且应该非常简单地将其适应你的新问题。你需要使用sentence拆分器。请参阅相关问题：
/** tries to decide if a there's a sentence-end in index i of a given text

 * @param text
 * @param i
 * @return
 */
public static boolean isSentenceEnd(String text, int i) {
    char c = text.charAt(i);
    return isSentenceEndChar(c) && !isPeriodWord(text, i);
} 
/**
 * PeriodWords are words such as 'Dr.' or 'Mr.'
 *
 * @param text - the text to examoine.
 * @param i - index of the priod '.' character
 * @return
 */
private static String[] periodWords = { "Mr.", "Mrs.", "Ms.", "Prof.", "Dr.", "Gen.", "Rep.", "Sen.", "St.",
                "Sr.", "Jr.", "Ph.", "Ph.D.", "M.D.", "B.A.", "M.A.", "D.D.", "D.D.S.",
                "B.C.", "b.c.", "a.m.", "A.M.", "p.m.", "P.M.", "A.D.", "a.d.", "B.C.E.", "C.E.",
                "i.e.", "etc.", "e.g.", "al."};
private static boolean isPeriodWord(String text, int i) {
    if (i < 4) return true;
    if (text.charAt(i-2) == ' ') return true; // one char words are definetly priodWords
    String txt = text.substring(0, i);
    for (String pword: periodWords) {
        if (txt.endsWith(pword)) return true;
    }
    if (txt.matches("^.*\\d\\.$")) return true; // dates seperated with "." or numbers with fraction
    return false;
}

private static final char[] sentenceEndChars = {'.', '?', '−'};
private static boolean isSentenceEndChar(char c) {
    for (char sec : sentenceEndChars) {
        if (c == sec) return true;
    }
    return false;
}