Java String - 查看一个字符串是否只包含数字和字符而不包含单词？

Question

我在整个应用程序中加载了一个字符串数组，它包含不同的词。我有一个简单的 if 语句来查看它是否包含字母或数字但不包含单词。

我的意思是我只想要像 AB2CD5X 这样的词 .. 我想删除所有其他词像 Hello 3 , 3 word , any other 是英语单词的单词。是否可以只过滤字母数字词，除了那些包含真正语法词的词。

我知道如何检查字符串是否包含字母数字单词

Pattern p = Pattern.compile("[\\p{Alnum},.']*");

也知道

 if(string.contains("[a-zA-Z]+") || string.contains([0-9]+])

Answer 1

您需要的是一本英语单词词典。然后你基本上扫描你的输入并检查每个标记是否存在于你的字典中。您可以在线找到字典条目的文本文件，例如在 Jazzy spellchecker 中。您也可以检查 Dictionary text file 。

这是一个示例代码，假设您的词典是一个 UTF-8 编码的简单文本文件，每行只有一个(小写)单词:

public static void main(String[] args) throws IOException {
    final Set<String> dictionary = loadDictionary();
    final String text = loadInput();
    final List<String> output = new ArrayList<>();
    // by default splits on whitespace
    final Scanner scanner = new Scanner(text);
    while(scanner.hasNext()) {
        final String token = scanner.next().toLowerCase();
        if (!dictionary.contains(token)) output.add(token);
    }
    System.out.println(output);

}

private static String loadInput() {
    return "This is a 5gse5qs sample f5qzd fbswx test";
}

private static Set<String> loadDictionary() throws IOException {
    final File dicFile = new File("path_to_your_flat_dic_file");
    final Set<String> dictionaryWords = new HashSet<>();
    String line;
    final LineNumberReader reader = new LineNumberReader(new BufferedReader(new InputStreamReader(new FileInputStream(dicFile), "UTF-8")));
    try {
        while ((line = reader.readLine()) != null) dictionaryWords.add(line);
        return dictionaryWords;
    }
    finally {
        reader.close();
    }
}

如果您需要更准确的结果，您需要提取 stems of your words 。参见 Apache's Lucene 和 EnglishStemmer