Question

一般问题是：如何解析字符串并消除标点符号并替换其中的一些？

我试图修改一些输入文字。情况是我有一个普通的文本文件，带有标点符号，我想让所有这些都被删除。如果符号是。！？ ...我想用＆＃34;＆＃34;字符串。

我从未使用正则表达式，因此我尝试使用字符串比较，但显然它并不足以满足所有情况。如果有两个标点符号，我会遇到麻烦;就像在文本＆＃34;第二天（4ht）。＆＃34;，当我有）。 togheter。

例如，从给定的输入我期望以下内容：

Input :  [...] at it!" This speech caused
Excpected output : at it <s> this speech caused

我的代码中的每个单词都被添加到ArrayList中，因为我需要稍后使用它。

非常感谢！

FileInputStream fileInputStream = new FileInputStream("TEXT.txt");
InputStreamReader inputStreamReader = new InputStreamReader(
        fileInputStream, "UTF-8");
BufferedReader bf = new BufferedReader(inputStreamReader);

words.add("<s>");
String s;
while ((s = bf.readLine()) != null) {
    String[] var = s.split(" ");

    for (int i = 0; i < var.length; i++) {
        if (var[i].endsWith(",") || var[i].endsWith(")")
                || var[i].endsWith("(") || var[i].endsWith(":") 
                ||  var[i].endsWith(";") ||var[i].endsWith("'")) {
            var[i] = var[i].substring(0, var[i].length() - 1);
            words.add(var[i].toLowerCase());
        } else if ( var[i].startsWith("'")) {
            var[i] = var[i].substring(1, var[i].length() );
            words.add(var[i].toLowerCase());
        } else if (var[i].endsWith(".") || var[i].endsWith("...")
                || var[i].endsWith("!") || var[i].endsWith("?")) {
            var[i] = var[i].substring(0, var[i].length() - 1);
            words.add(var[i].toLowerCase());
            words.add("<s>");
        } else {
            words.add(var[i].toLowerCase()); // 
            // System.out.println("\n neu eingelesenes Wort: " + var[i]);
        }}
}

Answer 1

您的代码显示会显示很多条件，但我们假设您只想替换＆＃39;。＆＃39;，＆＃39;？＆＃39;或＆的所有实例。＃39;！＆＃39;字符。

找到这些字符的正则表达式是[.!?]括号表示＆＃34;字符类＆＃34;，这意味着它匹配括号内的任何字符，但不他们都是。这允许我们指定要匹配的多个字符。

我们假设您已将整个文件加载到字符串名称＆＃34; myText＆＃34;。

myText.replaceAll(new Regex("[.!?]", "");

那就是它！现在，如果您有条件，只能从某些使事情复杂化的地方移除它们。如果您需要有关条件的信息，请编辑您的帖子，以包括不应发生的所有特殊情况。

注意：由于您显然没有将整个文件加载到单个字符串中，因此您可以继续在您正在阅读的字符串上调用此方法缓冲液中。

Answer 2

首先使用正则表达式过滤掉标点符号，然后再按空格分割并将结果添加到列表中：

FileInputStream fileInputStream = new FileInputStream("TEXT.txt");
InputStreamReader inputStreamReader = new InputStreamReader(
        fileInputStream, "UTF-8");
BufferedReader bf = new BufferedReader(inputStreamReader);
words.add("<s>");
String s;
while ((s = bf.readLine()) != null) {
    s = s.replaceAll("[^a-zA-Z ]", ""); // replace all non-word/non-space characters with an empty string
    String[] var = s.split(" ");
    words.addAll(var);
}

Answer 3

你必须使用

String.replaceAll(<your RegEx>, "");

要构建您的RegEx（并了解它们如何工作），您可以使用https://regexr.com

注意：您需要使用\\替换输出中的所有\才能符合java的转义规则。

如何在java中使用正则表达式来删除某些字符

3 个答案: