java - 删除/替换空子字符串

Question

我目前正在研究一些东西，应该计算推文文件中给出的单词数。我正在用空格替换特殊字符和仅短两个字符的单词。因此，稍后我可以获得双空格，我将在下一行中替换它。变量“words”是一个HashMap，其中存储了单词对应的频率。

tweet = tweet.replaceAll("[^\\d\\p{L} ]", " ");
tweet = tweet.replaceAll("\\b.{1,2}\\b", " ");
tweet = tweet.replaceAll("\\s{2,}",  " ");
tweet = tweet.toLowerCase();
for (String word : tweet.split(" ")){
if (words.containsKey(word)){
        words.put(word, words.get(word)+1);
} else {
        words.put(word, 1);

我的问题是，生成的单词列表及其频率包含空字符串。大多数时候，这是最常见的字符串。我不明白它从何而来，也不知道如何摆脱它，希望有人可以帮助我。

Answer 1

做

tweet.trim().split(" +")

还可以考虑将变音标记组合为属于单词\pM。

tweet = tweet.replaceAll("[^\\d\\p{L}\\p{M}]", " ");