获取n在Java中使用正则表达式的单词数

我有一本书的一部分，包括标点符号，换行符等等。我希望能够从文本中提取前n个单词，并将其分为5个部分。 正则表达式使我神秘。 这就是我想要的。 我创建了一个索引大小为0的数组，包含所有输入文本：

public static String getNumberWords2(String s, int nWords){ String[] m = s.split("([a-zA-Z_0-9]+\b.*?)", (nWords / 5)); return "Part One: \n" + m[1] + "\n\n" + "Part Two: \n" + m[2] + "\n\n" + "Part Three: \n" + m[3] + "\n\n" + "Part Four: \n" + m[4] + "\n\n" + "Part Five: \n" + m[5]; } 

谢谢！

Answer 1

我认为最简单，最有效的方法是简单地重复找到一个“单词”：

 Pattern p = Pattern.compile("(\\w+)"); Matcher m = p.matcher(chapter); while (m.find()) { String word = m.group(); ... } 

您可以通过修改正则表达式来改变“单词”的定义。 我写的只是使用正则表达式的单词字符概念，我想知道它是否比你想要做的更合适。 但它不会包含引号字符，您可能需要在一个单词中允许。

Answer 2

使用BreakIterator有一个更好的选择。 这将是解析Java中单词的最正确方法。

Answer 3

我只想猜测你需要什么; 希望这很接近：

 public static void main(String[] args) { String text = "Lorem ipsum dolor sit amet, consectetur adipisicing elit, " + "sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. " + "Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris " + "nisi ut aliquip ex ea commodo consequat. Rosebud."; String[] words = text.split("\\s+"); final int N = words.length; final int C = 5; final int R = (N + C - 1) / C; for (int r = 0; r < R; r++) { for (int x = r, i = 0; (i < C) && (x < N); i++, x += R) { System.out.format("%-15s", words[x]); } System.out.println(); } } 

这会产生：

 Lorem sed dolore quis ex ipsum do magna nostrud ea dolor eiusmod aliqua. exercitation commodo sit tempor Ut ullamco consequat. amet, incididunt enim laboris Rosebud. consectetur ut ad nisi adipisicing labore minim ut elit, et veniam, aliquip 

---

另一种可能的解释

这使用java.util.Scanner ：

 static String nextNwords(int n) { return "(\\S+\\s*){N}".replace("N", String.valueOf(n)); } static String[] splitFive(String text, final int N) { Scanner sc = new Scanner(text); String[] parts = new String[5]; for (int r = 0; r < 5; r++) { parts[r] = sc.findInLine(nextNwords(N / 5 + (r < (N % 5) ? 1 : 0))); } return parts; } public static void main(String[] args) { String text = "Lorem ipsum dolor sit amet, consectetur adipisicing elit, " + "sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. " + "Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris " + "nisi ut aliquip ex ea commodo consequat. Rosebud."; for (String part : splitFive(text, 23)) { System.out.println(part); } } 

这打印出前23个单词的text ，

 Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim 

或者如果7：

 Lorem ipsum dolor sit amet, consectetur adipisicing 

或者如果3：

 Lorem ipsum dolor   

Answer 4

（请参阅下面的下一个rest时间。由于思考过程，将此顶部留在这里……）

基于我对split() javadoc的阅读，我想我知道发生了什么。

您希望基于空格分割字符串，最多n次。

 String [] m = s.split("\\b", nWords); 

然后如果你必须将它们与令牌空白拼接在一起：

 StringBuffer strBuf = new StringBuffer(); for (int i = 0; i < nWords; i++) { strBuf.append(m[i]).append(" "); } 

最后，把它分成五个相等的字符串：

 String [] out = new String[5]; String str = strBuf.toString(); int length = str.length(); int chopLength = length / 5; for (int i = 0; i < 5; i++) { int startIndex = i * chopLength; out[i] = str.substring(startIndex, startIndex + choplength); } 

对我来说这是深夜，所以你可能想要自己检查一下是否正确。 我想我在区号正确的地方找到了它。

---

好的，这是尝试编号3.通过调试器运行它，我可以validation剩下的唯一问题是切片字符串的整数数学不是5到5的因子，以及如何最好地处理剩余的字符。

它不漂亮，但它的工作原理。

 String[] sliceAndDiceNTimes(String victim, int slices, int wordLimit) { // Add one to the wordLimit here, because the rest of the input string // (past the number of times split() does its magic) will be in the last // array member String [] words = victim.split("\\s", wordLimit + 1); StringBuffer partialVictim = new StringBuffer(); for (int i = 0; i < wordLimit; i++) { partialVictim.append(words[i]).append(' '); } String [] resultingSlices = new String[slices]; String recycledVictim = partialVictim.toString().trim(); int length = recycledVictim.length(); int chopLength = length / slices; for (int i = 0; i < slices; i++) { int chopStartIdx = i * chopLength; resultingSlices[i] = recycledVictim.substring(chopStartIdx, chopStartIdx + chopLength); } return resultingSlices; } 

重要笔记：

• “\ s”是正确的正则表达式。 由于在单词的开头和结尾有单词边界，因此使用\ b会导致大量额外的分割。
• 在split运行的次数中添加了一个，因为String数组中的最后一个数组成员是未拆分的剩余输入字符串。 您也可以只拆分整个字符串，然后按原样使用for循环。
• 整数除法余数仍然是提问者留下的练习。 🙂

Answer 5

我有一个非常难看的解决方案：

 public static Object[] getNumberWords(String s, int nWords, int offset){ Object[] os = new Object[2]; Pattern p = Pattern.compile("(\\w+)"); Matcher m = p.matcher(s); m.region(offset, m.regionEnd()); int wc = 0; String total = ""; while (wc <= nWords && m.find()) { String word = m.group(); total += word + " "; wc++; } os[0] = total; os[1] = total.lastIndexOf(" ") + offset; return os; } String foo(String s, int n){ Object[] os = getNumberWords(s, n, 0); String a = (String) os[0]; String m[] = new String[5]; int indexCount = 0; int lastEndIndex = 0; for(int count = (n / 5); count <= n; count += (n/5)){ if(a.length()