java - 正規表現を使用してテキスト内の単語数をカウントするにはどうすればよいですか?

Question

単語数をカウントするために、テキストを単語に分割したい。

これは、次のように想像してください。

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

複数の組み合わせを試しましたが、あまりにも多くのパーツに分割されているようです。

"word1       word2" 

...この正規表現には 8 つの単語がありますが、2 つだけにしたいのです。

Answer 1

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

単語は、空白で囲まれた単なるテキストです。a からの単語の解析は、区切り文字としてusingをString呼び出すことで実行できます。String.split()"\\s+"

"\\s+"は正規表現であることに注意してください。少なくとも 1 つの空白文字 (スペース、タブ、または改行など) で構成される文字列に一致します。

Answer 2

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

Answer 3

次の正規表現を試してください。

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

現在の正規表現の問題は、正確に 1 文字に一致するため、 と の間の各空白に個別に一致することword1ですword2。文字グループの外に配置された繰り返し演算子はそれを修正します。

Answer 4

Guavaを使用し、スプリッターを定数として定義します。

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

そしてあなたのコードでそれを使用してください：

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