У меня есть текст, и я использую это простое регулярное выражение, чтобы разделить его на слова: [ \n]. Он разбивает текст на слова, используя пробелы и разрывы строк.
Я хочу знать, есть ли способ сохранить пробел или разрыв строки в разделенном слове, потому что я буду использовать это для простого обнаружения предложения после некоторой обработки.
Я использую метод String#split.
Вы можете использовать lookbehind, как предложил @Piotr Findeisen (+1):
public class RegexExample{
public static void main(String[] args) {
String s = "firstWordWithSpaceAfter secondWordWithSpaceAfter wordWithLineBreakAfter\nlastWord";
String sa[] = s.split("(?<=[ \\n])");
for (String saa : sa )
System.out.println("[" + saa + "]");
}
}
Выход:
[firstWordWithSpaceAfter ]
[secondWordWithSpaceAfter ]
[wordWithLineBreakAfter
]
[lastWord]
Краткое объяснение:
?<= заглядывает назад, что означает, что вы получили совпадение, если данные перед искомым выражением равны регулярному выражению, идущему после ?<= (в данном случае [ \\n])
[ \\n] – это регулярное выражение, означающее один из символов в []
поэтому все регулярное выражение говорит о разделении каждый раз, когда символ перед выражением/словом является либо пробелом, либо \n.
Поскольку мы не пытались сопоставить пробел или \n, они не будут удалены.
Рассмотрите возможность использования положительного просмотра назад/упреждения нулевой ширины. См. шаблон javadoc в < em>Специальные конструкции (без захвата)
Я думаю, что ваш единственный вариант - сделать что-то вроде этого:
String myString = "Joe Blow\n1234 Fake Road\nHere, There, 12345";
String[] lines = myString.split("\\n");
Set<String[]> wordsByLine = new LinkedHashSet<String[]>();
for (String line : lines) {
wordsByline.add(line.split(" "));
}
Очень быстро пришло мне в голову, если бы регулярное выражение всегда соответствовало одиночным символам, вы могли бы использовать длину, чтобы определить, где они находились в исходной строке. Затем вы можете взять подстроку для символа-разделителя.
Немного грязно, но должно сработать.
Я все еще не уверен, что вы пытаетесь сделать, но если \n имеет значение, отличное от " ", вы должны иметь дело с ними отдельно.
String[] sentences = text.split("\\n");
...
for (String sentence : sentences) {
...
String[] words = sentence.split(" ");
...
}
