java 英文句子切分_java 将英文文章 按句子,标点符号分割,正则表达式

这个Java程序用于将英文文章按句子和标点符号进行分割,使用正则表达式匹配句子结束符,例如'。', '?', '!', 和 '.'。程序读取指定文件,将内容分割成单独的句子并存储到列表中。" 126461758,1003184,Bilibili视频下载指南:3种最佳工具与方法,"['音视频', 'Bilibili下载', '视频下载器']

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

标签:java

package com.gao;

import java.io.BufferedReader;

import java.io.File;

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.IOException;

import java.io.InputStreamReader;

import java.nio.charset.Charset;

import java.util.ArrayList;

import java.util.Iterator;

import java.util.List;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class TestMain {

private static final int MIN_THRESHOLD = 50;

private static final int MAX_THRESHOLD = 80;

private static Listlist = new ArrayList();

/**

* @param args

*/

public static void main(String[] args) {

String str = null;

try {

InputStreamReader isr = new InputStreamReader(new FileInputStream(new File("D:\\Users\\gao\\Desktop\\1.txt")),Charset.defaultCharset());

BufferedReader br = new BufferedReader(isr);

StringBuffer sb = new StringBuffer(MAX_THRESHOLD);

while ((str=br.readLine())!=null) {

//String [] substrs = str.split("。|\\?|\\!|\\?|\\.|!");

/*正则表达式:句子结束符*/

String regEx="[。?!?.!]";

Pattern p =Pattern.compile(regEx);

Matcher m = p.matcher(str);

/*按照句子结束符分割句子*/

String[] substrs = p.split(str);

/*将句子结束符连接到相应的句子后*/

if(substrs.length > 0)

{

int count = 0;

while(count MIN_THRESHOLD) {

//System.out.println("A New TU: " + sb.toString());

list.add(sb.toString());

sb.delete(0, sb.length());

}

}

else {//语句满足要求的分割粒度

if(sb.length()!=0)//此时如果缓存有内容则应该先将缓存存入再存substrs[i]的内容 以保证原文顺序

{

list.add(sb.toString());

//System.out.println("A New Tu:"+sb.toString());

sb.delete(0, sb.length());

}

list.add(substrs[i]);

//System.out.println("A New Tu:"+substrs[i]);

}

}

}

br.close();

isr.close();

//将分割好的tu放入List中以便传入数据库

for (Iterator i = list.iterator(); i.hasNext();){

System.out.println(i.next());

}

} catch (FileNotFoundException e) {

e.printStackTrace();

} catch (IOException e) {

e.printStackTrace();

}

}

}

java 将英文文章 按句子,标点符号分割,正则表达式

标签:java

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值