我正在 Android 中制作自己的文本处理器（蒙古语的自定义垂直脚本 TextView）。我以为我必须自己找到所有换行位置，以便我可以实现换行，但后来我发现BreakIterator. 这似乎找到了各种语言中字符、单词、行和句子之间所有可能的中断。
我正在尝试学习如何使用它。该文档比一般文档更有帮助，但仅通过阅读仍然难以理解。我还找到了一些教程（请参阅此处、此处和此处），但它们缺少我正在寻找的输出的完整解释。
我正在添加这个问答风格的答案来帮助自己学习如何使用BreakIterator.
除了 Java 之外，我还将它作为 Android 标签，因为它们之间显然存在一些差异。此外，Android 现在支持ICUBreakIterator，未来的答案可能会解决这个问题。
BreakIterator可用于查找字符、单词、行和句子之间可能的中断。这对于在可见字符中移动光标、双击选择单词、三次单击选择句子和换行等操作很有用。
以下代码用于以下示例。只需调整第一部分以更改BreakIterator.
// change these two lines for the following examples
String text = "This is some text.";
BreakIterator boundary = BreakIterator.getCharacterInstance();
// boiler plate code
boundary.setText(text);
int start = boundary.first();
for (int end = boundary.next(); end != BreakIterator.DONE; end = boundary.next()) {
System.out.println(start + " " + text.substring(start, end));
start = end;
}
如果您只是想对此进行测试，您可以将其直接粘贴到onCreateAndroid 中的 Activity 中。我正在使用System.out.println而不是Log这样它也可以在纯 Java 环境中进行测试。
我使用的java.text.BreakIterator是 ICU 而不是 ICU ，它只能从 API 24 获得。有关更多信息，请参阅底部的链接。
更改样板代码以包含以下内容
String text = "Hi 中文éé\uD83D\uDE00\uD83C\uDDEE\uD83C\uDDF3.";
BreakIterator breakIterator = BreakIterator.getCharacterInstance();
输出
0 H
1 i
2
3 中
4 文
5 é
6 é
8
10
14 .
最感兴趣的部分是索引6、8和10。您的浏览器可能会或可能不会正确显示字符，但用户会将所有这些字符解释为单个字符，即使它们由多个 UTF-16 值组成。
更改样板代码以包括以下内容：
String text = "I like to eat apples. 我喜欢吃苹果。";
BreakIterator boundary = BreakIterator.getWordInstance();
输出
0 I
1
2 like
6
7 to
9
10 eat
13
14 apples
20 .
21
22 我
23 喜欢
25 吃
26 苹果
28 。
这里有一些有趣的事情需要注意。首先，在空格的两侧检测到断字。其次，即使有不同的语言，仍然可以识别多字汉字。即使我将语言环境设置为Locale.US.
您可以保持与 Words 示例相同的代码：
String text = "I like to eat apples. 我喜欢吃苹果。";
BreakIterator boundary = BreakIterator.getLineInstance();
输出
0 I
2 like
7 to
10 eat
14 apples.
22 我
23 喜
24 欢
25 吃
26 苹
27 果。
请注意，中断位置不是整行文本。它们只是换行文本的方便位置。
输出类似于 Words 示例。但是，现在空格和标点符号包含在它之前的单词中。这是有道理的，因为您不希望新行以空格或标点符号开头。另请注意，中文字符会为每个字符换行。这与中文可以跨行断行的事实是一致的。
更改样板代码以包括以下内容：
String text = "I like to eat apples. My email is me@example.com.\n" +
"This is a new paragraph. 我喜欢吃苹果。我不爱吃臭豆腐。";
BreakIterator boundary = BreakIterator.getSentenceInstance();
输出
0 I like to eat apples.
22 My email is me@example.com.
50 This is a new paragraph.
75 我喜欢吃苹果。
82 我不爱吃臭豆腐。
在多种语言中识别出正确的断句。此外，电子邮件域中的点也没有误报。
您可以在创建 时设置LocaleBreakIterator，但如果不这样做，它只会使用默认 locale。