java - 使用 String.split(regex) 在空格和标点符号处拆分一行

Question

所以我正在编写一个函数 parse() 来逐行读取指定的文件，并且我正在利用 String.split(regex) 函数将行拆分为一个字符串数组。此外，每个单词都将传递给一个 HashMap，该 HashMap 包含在另一个作为参数传递给 parse() 的函数中。虽然我浏览了 Stack Overflow 以寻求任何帮助，但我仍然不确定为什么我的函数导致我的程序挂起。

这是函数本身:

public void parse(FrequencyCounter counter) throws IOException {

    BufferedReader fileReader = new BufferedReader(new FileReader(file));

    String searchExpression = "[\\p{Space}\\p{Punct}]"; 

    String line;
    String[] wordList;

    line = fileReader.readLine();

    while (!line.isEmpty()) {

        wordList = line.split(searchExpression); 

        System.out.println("First value of wordList: " + wordList[0]);

        for (String each : wordList) {
            if(each.isEmpty()) 
                break;

            if(counter.isAnElement(each)) {
                counter.incrementKey(each);
            } else {
                counter.addKey(each);
            }
        }
    }

    fileReader.close();
}

所以我可以很好地进入 while 循环，但是当在假设的 wordList 构造之后添加 println() 语句时，程序会无限地打印出一个空的 wordList，并且程序不会从该函数返回。从我的角度来看，我被引导相信我使用的正则表达式没有达到我想要的目的。

为了详细说明我需要什么，正则表达式应该隔离仅由字母字符组成的单词。在完美的情况下，连词或带连字符的词可以被完整地识别并添加到 wordList 中。但是，我可以接受像“won't”和“twenty-two”这样的词变成“won”、“t”、“twenty”和“two”。

作为测试用例，我正在运行一个包含 Lewis Carroll 的诗“Jabberwocky”的纯文本文件，尽管它不包含很难拆分的非单词标记。

是什么导致了这个问题，我该如何改进这个函数完成的解析？

Answer 1

您不会在 while 循环中更改字符串 line，因此永远不会遇到 !line.isEmpty()。