如何使用文本文檔「劃分」緩衝閱讀器？

Question

因此，我試圖使用緩衝讀取器將文檔（.txt）讀入Java項目中，對其進行編輯並將其返回/輸出。我遇到的問題是無法識別標點符號。 該文件爲：

hello hello.hello，hello/hello？

作爲我希望能夠處理的不同情況的測試。 我也得到：

你好你好你好你好你好

有什麼建議？ （將提供部分代碼，如果需要回答） 我正在考慮使用分隔符，但無法弄清楚如何根據上下文（或者甚至可能使用緩衝讀取器）。

順便說一句，我正在逐字讀取和編輯這個文檔，並通過多個數組中的檢查來運行它以包含某些字符。如果有幫助。

Answer 1

您可以讀取整個文件到通過循環readLine一個String（不建議大文件）

然後在字符串：

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

這將在幾個不同的字符分割你的字符串。

或者，如果你想拆就所有非字母：

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

這會給你一個字符串數組，這是相當容易的工作。然後你最後回寫。

Answer 2

如果你想處理所有的標點符號和空格，我建議你去lucene tokenizer並完成工作。 此處給出了一個示例實現 How to use a Lucene Analyzer to tokenize a String? 但是，這取決於您的要求。如果它只是逗號和空格，那麼正則表達式會做需要的