文本按照标点符号切分符号丢掉问题

问题：文本按照标点符号切分符号丢掉问题

项目场景：需要对一个文字段落按照标点符号切分成一个个句子，使用正则切分的过程中发现标点符号丢了，

---

问题描述

文本按照标点符号切分符号丢掉问题
原始代码：

    public static void main(String[] args) {
        String content = "这是一段内容。这是另一段内容！这是第三段内容？。";
        StringTokenizer str = new StringTokenizer(content, "。？！.?!");
        while (str.hasMoreElements()) {
            String element = StringUtils.trim((String) str.nextElement());
            if (StringUtils.isNotBlank(element)) {
                System.out.println(element);
            }
        }
    }

执行结果：

问题解决：

提示：先按照正则定位到标点符号，然后将内容进行切割

修正后代码：

    public static void main(String[] args) {
        String content = "这是一段内容。这是另一段内容！这是第三段内容？";
        String regex = "([。？！.?!])";
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(content);
        List<String> list = Lists.newArrayList();
        int start = 0;
        int end = 0;
        while (matcher.find()) {
//        System.out.println("原文符号：" + matcher.group() + "，位置：" + matcher.start());
            end = matcher.start() + 1;
            String substring = content.substring(start, end);
            System.out.println(substring);
            list.add(substring);
            start = end;
        }
        // 该处用于处理尾部没有标点符号的情况，否则会丢失尾部数据
        if (end < content.length()){
           elements.add(content.substring(end));
        }
    }

执行结果：