在Java中从字符串中删除停止字

我有一个字符串，里面有很多我需要数数的单词

但我想避免使用一些对上下文没有意义的词语

所以，我有一个文件，里面有我将忽略的所有单词。我打开这个文件并创建一个我调用的列表

ArrayList<String> stopWordsList;

在此之后，字符串示例应为：

“Job软件工厂。敏捷工作，Spring，Hibernate，GWT，”

问题是“etc”没有删除它，因为单词后面有点

然后我试着：

for(String stopWord : stopWordsList){
    example = example.replaceAll(" "+ stopWord + " ", " ");    
    example = example.replaceAll(" "+ stopWord + ",", ",");     
    example = example.replaceAll(" "+ stopWord + ".", ".");
}

但是，这是不对的，它不能满足我的需要

有谁能帮我找到一种方法来清理这个字符串，包括标点或空格之前的单词

附言：我不能就这么做

 example = example.replaceAll(stopWord, " ");   

---

因为这会打断一些单词，比如“initial”。它将删除“in”，并将我保留为“initial”。

看起来您只是想替换两边都有非单词字符的单词。这是非常简单的，只是有一个前瞻性和前瞻性的这一点

像双空格、句点后的逗号以及类似于这些行的东西可能会有问题，但这听起来与您的应用程序无关，如果是这样的话，在如何解决这个问题上存在一些模糊性

这样做应该会奏效：

example = example.replaceAll("(?![^ a-zA-Z])" + stopWord + "(?=[^ a-zA-Z])", "")

其中，

（？！[^a-zA-Z]）

是对既不是空格也不是字符的任何事物的负向前看（向后看），而

（？=[^a-zA-Z]）

是向前看的等价物

希望这能有所帮助，如果您还有任何问题，或者这不适合您的申请，请告诉我

这不会删除标点符号。因为它们是lookahead和lookbehind，所以它们实际上与所讨论的标点符号不匹配

如果您想让它也适用于重音字符，您可以用符合POSIX的

[：alpha://code>替换传统的
\w
正则表达式

example = example.replaceAll("(?![^ [:alpha:]])" + stopWord + "(?=[^ [:alpha:]])", "")

最简单的方法可能是沿着单词边界分割字符串，并添加除了停止词以外的所有内容

StringBuilder result = new StringBuilder(example.length());
for (String s : result.split("\\b")) {
    if (!stopWordsSet.contains(s)) result.append(s);
}

您可以将regex与lookahead和lookahead一起使用。或者将文本标记化，删除停止字并将标记重新组合为连续字符串。是否需要保留标点符号？我尝试使用StringTokenizer，但它会将单词与标点符号一起拆分，然后返回到相同的问题。“word”或“word”的正则表达式是什么，后面有标点符号，如“word.”或“word”或“word:”？Yes@Arunallamsety。我需要保留标点符号。我无法删除它。我在代码中复制了您的解决方案，但没有删除任何内容。@MariaH:regex是错误的，因为
^
必须进入
[]
。如果你关心速度（通常你不应该），看看我的解决方案。所以。。。它应该是：example=example.replaceAll（（？！[^a-zA-Z]）“+stopWord+”（？=[^a-zA-Z]），“”）。我会这样做来删除标点符号吗？我不能那样做\啊，对不起，克拉完全是放在括号里的@玛丽亚，不，这不会删除标点符号。由于这些是lookaheads和lookbehinds，它们实际上与所讨论的标点符号不匹配。@SlaterTyranus非常感谢您的帮助！你的解决方案很好！但对我来说有个问题。你看，我在用葡萄牙语工作。有些单词像“aplicaõões”带有特殊的字符。由于“a”在我的stopWordsList中，在替换之后，所有这些单词都变成了“aplicõões”。我需要做什么更改来避免这个问题？使用
示例.split（\\b“）
和
结果.append（s+）
对我很有效。
StringBuilder result = new StringBuilder(example.length());
for (String s : result.split("\\b")) {
    if (!stopWordsSet.contains(s)) result.append(s);
}