Question

我正在搜索段落中的单词，但要花较长的时间才能找到段落。因此，我想在段落中找到之后删除这些词，以缩短我必须经历的词数。或者，如果有更好的方法可以提高效率，那就告诉我！

List<String> list = new ArrayList<>();
for (String word : wordList) {
    String regex = ".*\\b" + Pattern.quote(word) + "\\b.*"; 
    Pattern p = Pattern.compile(regex);
    Matcher m = p.matcher(paragraph);
    if (m.find()) {
        System.out.println("Found: " + word);
        list.add(word);
    }
}

例如，假设我的wordList具有以下值"apple","hungry","pie"

我的paragraph是"I ate an apple, but I am still hungry, so I will eat pie"

我想在wordList的{{1}}中找到单词并删除它们，以期使上述代码更快。

Answer 1

您可以使用

String paragraph = "I ate an apple, but I am still hungry, so I will eat pie";
List<String> wordList = Arrays.asList("apple","hungry","pie");
Pattern p = Pattern.compile("\\b(?:" + String.join("|", wordList) + ")\\b");
Matcher m = p.matcher(paragraph);
if (m.find()) {  // To find all matches, replace "if" with "while"
    System.out.println("Found " + m.group()); // => Found apple
}

请参见Java demo。

正则表达式看起来像\b(?:word1|word2|wordN)\b并将匹配：

\b-单词边界
(?:word1|word2|wordN)-非捕获组内的任何替代方案
\b-单词边界

由于您说单词中的字符只能是大写字母，数字和带斜杠的连字符，因此它们都不需要转义，因此Pattern.quote在这里并不重要。另外，由于斜杠和连字符永远不会出现在字符串的开头/结尾，因此您不会遇到通常由\b字边界引起的问题。否则，将第一个"\\b"替换为"(?<!\\w)"，最后一个替换为"(?!\\w)"。

Answer 2

我不太确定这是您要的内容，但是Java在字符串上有针对此类事物的内置函数。

for (String word : wordList) {
    paragraph = paragraph.replaceAll(word,"");
}

请确保在您的单词中包含一个空格，以免留下双倍空格。示例以“ foo”代替“ foo”

优化段落中的单词查找

2 个答案: