java - 匹配器找不到重叠的单词？

Question

我正在尝试获取一个字符串:

String s = "This is a String!";

并返回该字符串中的所有 2 字对。即:

{"this is", "is a", "a String"}

但现在，我所能做的就是返回:

{"this is", "a String"}

如何定义 while 循环，以便能够解决缺少重叠单词的问题？我的代码如下:(真的，我很高兴它只返回一个表示它找到了多少个字符串子集的 int...)

int count = 0;
while(matcher.find()) {
    count += 1;
}

谢谢大家。

Answer 1

我喜欢已经发布的两个答案，计算单词数并减去一个，但如果您只需要一个正则表达式来查找重叠的匹配项:

Pattern pattern = Pattern.compile('\\S+ \\S+');
Matcher matcher = pattern.matcher(inputString);
int matchCount = 0;
boolean found = matcher.find();
while (found) {
  matchCount += 1;
  // search starting after the last match began
  found = matcher.find(matcher.start() + 1);
}

实际上，您需要比简单地加 1 更聪明一点，因为在“theforce”上尝试此操作将匹配“heforce”，然后匹配“eforce”。当然，这对于计算单词数来说有点大材小用，但如果正则表达式比这更复杂，这可能会很有用。