Question

我有这样的文字：

C语言在应用程序运营中广泛使用的％y％系统和嵌入式系统开发，其影响可见于最现代的编程语言。 UNIX也很有影响力，建立％y％概念和原则，现在是计算。％P％

文字有一些不必要的指标：％y％和％p％

我使用正则表达式使用此正则表达式来分割单词：

Pattern p = Pattern.compile("[a-zA-Z]+");

我可以分割所有单词，但这个正则表达式带来“y”和“p”字母。我怎么能忽略这些指标呢？

Answer 1

在进行主要处理之前，您可以使用一些预处理来删除所有不必要的字符。这样的事情应该有效：

string.replaceAll("%y%|%p%","")

Answer 2

或者您可以将指标视为单独的单词，并在以后对其进行排序：

Pattern p = Pattern.compile("[a-zA-Z]+|%[a-z]%");

顺便说一句，你不应该使用[a-zA-Z]作为自然语言文本 - 甚至英文文本也可能包含café之类的单词，像Björn等名字。为此，java.util.regex.Pattern支持预定义字符字母\p{L}以及\p{Ll}（仅限小写字母）和\p{Lu}（仅限大写字母）的字母可以很好地匹配这些字词。

Answer 3

如果唯一的字符是“％y％”和“％p％”，那么你可以简单一点，只需在执行正则表达式之前删除它们。

e.g。

myString = myString.replaceAll("%y%|%p%", "");

Java中用java.util.regex分隔单词

3 个答案: