Question

我需要安全地将Java字符串拆分为单词和标点符号。

我尝试过这段代码，但是有一个问题，就是它不能正确地分隔括号。

 this.socket = io.connect('http://localhost:9092',{ 
 reconnection: true,
 reconnectionDelay: 500,
 jsonp: false,
 reconnectionAttempts: Infinity,
 transports: ['websocket']});

this.socket.on('connect',function(e){
  console.log("on Connect");
})

this.socket.on('connect_error', (err) => {
  console.log(err)
});

实际结果是

String sentenceString = "Hello from the outside(outside).";
sentenceString.split("(?=,|\\.|!|\\?|\\(|\\))|\\s");

预期结果应为

["Hello", "from", "the", "outside", "", "(outside", ")", "."]

Answer 1

而不是split，您应该尝试匹配正则表达式以获得所需的输出。尝试在Java中使用此正则表达式，

[a-zA-Z]+|\\p{Punct}

此处[a-zA-Z]+部分匹配一个或多个字母，而\\p{Punct}部分匹配任何标点字符，如果您熟悉POSIX表示形式，则等效于[[:punct:]] 。尝试将类似解决方案应用于支持POSIX表示形式的语言/工具的人们可以使用[a-zA-Z]+|[[:punct:]]正则表达式。

Java代码

List<String> list = new ArrayList<String>();
String s = "Hello from the outside(outside).";
Pattern p = Pattern.compile("[a-zA-Z]+|\\p{Punct}");
Matcher m = p.matcher(s);
while (m.find()) {
    list.add(m.group());
}
System.out.println(list);

根据需要打印输出，

[Hello, from, the, outside, (, outside, ), .]

编辑：感谢Andreas的好建议。如果您不仅想包含英文字母，还想包含其他语言的字母，那么最好使用此正则表达式，

\\p{L}+|\\p{P}

因此，\\p{L}不仅将覆盖英语，而且还将覆盖以Unicode表示的任何其他语言的字母。

但是，请注意，这可能会增加性能代价，因为现在，它可能不仅试图匹配[a-z]，而且还试图匹配其他Unicode字符。因此，需要进行一些折衷，因此请使用更适合您需求的解决方案。

再次感谢Andreas的宝贵建议。

按标点保存拆分

1 个答案: