java - 如何用文本文档“分隔”缓冲阅读器？

Question

因此，我正在尝试使用缓冲阅读器将文档（.txt）读入 java 项目，对其进行编辑，然后将其返回/输出。我遇到的问题是我无法识别标点符号。文件内容如下：

你好你好你好，你好/你好？

作为对不同情况的测试，我希望能够处理。我得到：

你好你好你好你好你好

有什么建议么？（如果需要回答，将提供代码部分）我正在考虑使用分隔符，但无法弄清楚这将如何在上下文中（或者是否甚至可以使用缓冲阅读器）。

顺便说一句，我正在逐个字符地阅读和编辑此文档，并通过检查多个数组以包含某些字符来运行它。如果这有帮助。

Answer 1

您可以通过循环readLine将整个文件读入字符串（不推荐用于大文件）

然后在字符串上：

String.split("[\s.,/]")

这会将您的字符串拆分为几个不同的字符。

或者，如果您想拆分所有非字母：

String.split("[^A-Za-z]")

这将为您提供一个字符串数组，这很容易使用。然后你就在最后写回来。

Answer 2

如果您想处理所有标点符号和空格，我建议您使用 lucene tokenizer 并完成工作。此处给出了一个示例实现 How to use a Lucene Analyzer to tokenize a String? 但这取决于您的要求。如果只是逗号和空格，那么正则表达式就可以了