java - 如何使用正则表达式和 Java 计算文本中的音节

Question

我将文本作为 String 并需要计算每个单词中的音节数。我试图将所有文本拆分为单词数组，然后分别处理每个单词。我为此使用了正则表达式。但是音节模式不能正常工作。请建议如何更改它以计算正确的音节数。我的初始代码。

public int getNumSyllables()
{
    String[] words = getText().toLowerCase().split("[a-zA-Z]+");
    int count=0;
    List <String> tokens = new ArrayList<String>();
    for(String word: words){
            tokens = Arrays.asList(word.split("[bcdfghjklmnpqrstvwxyz]*[aeiou]+[bcdfghjklmnpqrstvwxyz]*"));
            count+= tokens.size();

            }
    return count;
}

Answer 1

这道题来自加州大学圣地亚哥分校的Java类(class)，我说的对吗？

我认为你应该为这个问题提供足够的信息，这样才不会让想提供帮助的人感到困惑。在这里，我有自己的解决方案，已经通过本地程序的测试用例和 UCSD 的 OJ 进行了测试。

您错过了有关此问题中音节定义的一些重要信息。 其实我认为这个问题的关键点是你应该如何处理e。例如，假设有te的组合.而如果把te放在一个词的中间，当然应该算作一个音节；但是，如果它位于单词的末尾，则 e 应该被认为是英语中的 silent e，因此不应将其视为音节。

就是这样。我想用一些伪代码写下我的想法:

  if(last character is e) {
        if(it is silent e at the end of this word) {
           remove the  silent e;
           count the rest part as regular;
        } else {
           count++;
  } else {
        count it as regular;
  }
}

你可能会发现我不只是使用正则表达式来处理这个问题。其实我也想过:这道题真的只能用正则来做吗？我的回答是:不，我不这么认为。至少现在，以加州大学圣地亚哥分校给我们的知识，要做到这一点太难了。正则表达式是一个强大的工具，它可以非常快速地映射出想要的字符。但是正则表达式缺少一些功能。还是以te为例，正则表达式在面对teate这样的词时是不会三思的(这个词是我编造的)。如果我们的正则表达式模式将第一个 te 计为音节，那么为什么最后一个 te 不是？

同时，UCSD其实已经在assignment paper上谈到了:

If you find yourself doing mental gymnastics to come up with a single regex to count syllables directly, that's usually an indication that there's a simpler solution (hint: consider a loop over characters--see the next hint below). Just because a piece of code (e.g. a regex) is shorter does not mean it is always better.

这里的提示是，你应该把这个问题和一些循环结合起来，结合正则表达式来思考。

好的，我现在终于可以展示我的代码了:

protected int countSyllables(String word)
{
    // TODO: Implement this method so that you can call it from the 
    // getNumSyllables method in BasicDocument (module 1) and 
    // EfficientDocument (module 2).
    int count = 0;
    word = word.toLowerCase();

    if (word.charAt(word.length()-1) == 'e') {
        if (silente(word)){
            String newword = word.substring(0, word.length()-1);
            count = count + countit(newword);
        } else {
            count++;
        }
    } else {
        count = count + countit(word);
    }
    return count;
}

private int countit(String word) {
    int count = 0;
    Pattern splitter = Pattern.compile("[^aeiouy]*[aeiouy]+");
    Matcher m = splitter.matcher(word);

    while (m.find()) {
        count++;
    }
    return count;
}

private boolean silente(String word) {
    word = word.substring(0, word.length()-1);

    Pattern yup = Pattern.compile("[aeiouy]");
    Matcher m = yup.matcher(word);

    if (m.find()) {
        return true;
    } else
        return false;
}

您可能会发现，除了给定的方法 countSyllables 之外，我还创建了两个额外的方法 countit 和 silente。 countit 用于计算单词中的音节，silente 试图找出该单词以无声 e 结尾。并且还需要注意的是not silent e的定义。例如，the 应该被认为是 not silent e，而 ate 被认为是 silent e。

这是我的代码已经通过测试的状态，来自本地测试用例和来自 UCSD 的 OJ:

以及来自OJ的测试结果:

P.S:直接使用[^aeiouy]之类的应该没问题，因为在我们调用这个方法之前已经解析了这个词。还需要更改为小写，这样可以节省大量处理大写的工作。我们想要的只是音节数。说到number，一个比较优雅的方式是将count定义为static，这样private方法就可以直接在里面调用count++了。不过现在好了。

如果还是不懂这道题的方法，欢迎随时联系我:)