Question

我正在尝试从字符串中排除所有出现的双字。

所以下面我有一些代码可以做到这一点。

String testString = "Lorem ipsum dolor sit amet.";

Pattern pat = Pattern.compile("\\w+ \\w+");
Matcher mat = pat.matcher(testString);

while (mat.find()) {
    System.out.println("Match: " + mat.group());
}

我得到的是：

匹配：Lorem ipsum

匹配：多洛尔坐下

我想要的结果是：

匹配：Lorem ipsum

匹配：ipsum dolor

匹配：多洛尔坐下

匹配：坐得住

Answer 1

仅匹配每个单词，而不匹配两个单词的每个组合。然后保留最后一个单词，每当找到一个新单词时，都存储一个doublet。

String testString = "Lorem ipsum dolor sit amet.";

Pattern pattern = Pattern.compile("\\w+");
Matcher matcher = pattern .matcher(testString);
String lastSingleWord = null;
List<String> results = new ArrayList<>();

while (matcher.find()) {
    String singleWord = matcher.group(0);
    if (lastSingleWord != null) {
        results.add(lastSingleWord + " " + singleWord);
    }
    lastSingleWord = singleWord;
}

然后，如果需要，可以输出列表，也可以根据需要进行处理。

results.stream().forEach(System.out::println);
// Lorem ipsum
// ipsum dolor
// dolor sit
// sit amet

Answer 2

尝试此模式(?<= |^)(?=([^ ]+ [^ ]+))

说明：

(?<= |^)-向后看，断言前面是空格还是字符串^

(?=([^ ]+ [^ ]+))-正向前进，断言以下内容是：[^ ]+除空格以外的一个或多个字符，空格，以及空格以外的一个或多个字符

Demo.

如评论中所建议，此模式可以稍微简化：(?=\b([^ ]+ [^ ]+))

Another demo.

获取Java中所有出现的bigrams

2 个答案: