如何使用正则表达式计算文本中的单词数？

Question

我想将文字拆分为单词，以计算单词数量。

这就是想象它：

int words = text.split("[\\p{Punct}*\\p{Space}*]").length;

我尝试了多种组合，但它似乎分成了太多的部分，例如

"word1       word2" 

...这个正则表达式有8个单词，我希望它只有2个。

Answer 1

int countWords(String input) {
   return input.trim().split("\\s+").length;
}

单词只是由空格包围的文本。通过使用String作为分隔符调用String.split()，可以解析"\\s+"中的单词。

请注意"\\s+"是正则表达式。它匹配由至少一个空格字符组成的字符串（例如空格，制表符或换行符）。

Answer 2

int words = text.trim().split("\\s+").length;

Answer 3

尝试以下正则表达式：

[\\p{Punct}\\p{Space}]+

当前正则表达式的问题在于它只匹配一个字符，因此分别匹配word1和word2之间的每个空格。位于字符组外部的重复运算符可以修复该问题。

Answer 4

使用Guava，将Splitter定义为常量：

private static final Splitter WORD_SPLITTER = 
    Splitter.on(CharMatcher.JAVA_LETTER_OR_DIGIT.negate())
            .trimResults()
            .omitEmptyStrings();

并在您的代码中使用它：

int words = Iterables.size(WORD_SPLITTER.split(yourString));