java - 使用java Scanner读取文件时如何正确识别单词？

Question

我正在尝试做一个练习，我需要创建一个类来读取 .txt 中的单词，并将单词放入 HashSet 中。问题是，如果文字是“我是丹尼尔，我是丹尼尔”。我会用一个词来表示“am”，“am”。和“丹尼尔”和“丹尼尔”。我该如何解决这个问题？

这是我的代码。 (我尝试使用正则表达式，但遇到异常):

import java.io.File;
import java.io.FileNotFoundException;
import java.util.HashSet;
import java.util.Scanner;

public class WordCount {

    public static void main(String[] args) {
        try {
            File file = new File(args[0]);
            HashSet<String> set = readFromFile(file);
            set.forEach(word -> System.out.println(word));
        }
        catch(FileNotFoundException e) {
            System.err.println("File Not Found!");
        }

    }

    private static HashSet<String> readFromFile(File file) throws FileNotFoundException {
        HashSet<String> set = new HashSet<String>();
        Scanner scanner = new Scanner(file);
        while(scanner.hasNext()) {
            String s = scanner.next("[a-zA-Z]");
            set.add(s.toUpperCase());
        }
        scanner.close();
        return set;
    }


}

Answer 1

当扫描程序尝试读取与正则表达式不匹配的字符串时，会引发错误。

String s = scanner.next("[a-zA-Z]");

而不是在扫描仪中传递正则表达式。阅读该单词并删除特殊字符，如下所示。

String s = scanner.next();
s = s.replaceAll("[^a-zA-Z]", "");