java - 如何使用正则表达式计算文本中的单词数？

Question

我想将文本拆分为单词，以计算单词的数量。

这就是想象的样子：

int words = text.split("[\\p{Punct}*\\p{Space}*]").length;

我尝试了多种组合，但它似乎分成了太多手动部分，例如

"word1       word2" 

...这个正则表达式有 8 个单词，我希望它只有 2 个。

Answer 1

尝试以下正则表达式：

[\\p{Punct}\\p{Space}]+

当前正则表达式的问题在于它只匹配一个字符，因此分别匹配 和 之间word1的每个空格word2。放置在字符组之外的重复操作符解决了这个问题。

Answer 2

int countWords(String input) {
   return input.trim().split("\\s+").length;
}

一个单词只是被空格包围的文本。String可以通过调用String.split()using"\\s+"作为分隔符来解析 a 中的单词。

请注意，这"\\s+"是一个正则表达式。它匹配至少包含一个空白字符（例如空格、制表符或换行符）的字符串。

Answer 3

int words = text.trim().split("\\s+").length;

Answer 4

使用Guava，将 Splitter 定义为常量：

private static final Splitter WORD_SPLITTER = 
    Splitter.on(CharMatcher.JAVA_LETTER_OR_DIGIT.negate())
            .trimResults()
            .omitEmptyStrings();

并在您的代码中使用它：

int words = Iterables.size(WORD_SPLITTER.split(yourString));