Question

我有大量的文字 - 大约7000字。

我想得到单词大小的计数，例如使用正则表达式计算4个字母单词，6个字母单词。

我不确定如何解决这个问题 - 到目前为止，我的思考过程是将句子拆分成一个String数组，这样我就可以计算每个元素的大小。使用正则表达式有更简单的方法吗？我正在使用Groovy完成这项任务。

编辑：所以我确实使用普通数组工作，但它有点凌乱。最终的解决方案只是使用了Groovy的countBy（）方法，并为可能遇到类似问题的人提供了少量逻辑。

Answer 1

不要忘记单词boudary token \b。如果您没有将其放在\w{n}令牌的两端，则还会找到所有超过n个字符的字词。对于长度为6个字符的4个字符的单词\b\w{4}\b，请使用\b\w{6}\b。 Here is a demo以7000字为输入字符串。

Java实现：

String dummy = ".....";
Pattern pattern = Pattern.compile("\\b\\w{6}\\b");
Matcher matcher = pattern.matcher(dummy);

int count = 0;
while (matcher.find())
    count++;

System.out.println(count);

Answer 2

逐字逐句阅读文件并计算其长度。将计数器存储在数组中，并在读取每个单词后递增值。

Answer 3

您可以为所需的每种尺寸生成正则表达式。

Node会使每个单词完整地显示6个字母
\w{6}将使用7个字母完全填写每个单词
等......

因此，您可以在文本上运行其中一个正则表达式，并启用全局标志（查找整个字符串中的每个实例）。这将为您提供每个匹配的数组，然后您可以找到它的长度。

如何计算大量文本中的单词大小？

3 个答案: