java - 在 Scanner.useDelimiter() 中使用正则表达式时出现额外的空白

Question

我正在尝试使用扫描仪从用户输入中读取文本文件，并在某些情况下分隔文件中的单词。单词必须被分隔的情况之一是当单词在开头或结尾有撇号但不应该影响单词中的撇号时。例如:如果扫描仪看到诸如 'tis 之类的词，则 scanner.useDlimeter() 应该能够去掉撇号并留下“tis”这个词，但如果它看到像“don't”这样的词，那么它应该留下原样。

我正在使用正则表达式来涵盖分隔符应该用来分隔单词的多种情况。正则表达式正在做我需要的，但出于某种原因，我的结果是在有空格的单词之前打印出一个额外的空格，然后在单词前面打印一个撇号。我是正则表达式的新手，我不知道如何解决这个问题，但我们将不胜感激任何建议。

下面是我的文本文件中的单词:

'Twas the night before christmas! But don't open your presents. 'Tisthe only way to celebrate.

代码:

  public static void main (String[] args){
      Pattern p = Pattern.compile("[\\p{Punct}\\s&&[^']]+|('(?![\\w]))+|((?<![\\w])')+");
      System.out.println("Please enter a text file name.");
        
      Scanner sc = new Scanner(System.in);
        
      File file = new File(sc.nextLine());
        
      Scanner nSc = new Scanner(file);
        
      nSc.useDelimiter(p);
        
      while (nSc.hasNext()){
        
         String word = nSc.next().toLowerCase();
         System.out.println(word);
       
      }
      nSc.close();
}

预期:

twas 
the 
night 
before 
christmas 
but 
don't 
open 
your 
presents 
tis 
the 
only 
way 
to 
celebrate

实际:

twas 
the 
night 
before 
christmas 
but 
don't 
open 
your 
presents

tis 
the 
only 
way 
to 
celebrate

Answer 1

您可以使用 regex , '?\b\w+'?\w+\b 从字符串中获取所需的单词，然后将正则表达式 '(.*) 替换为 $1 其中 $1 指定 group(1)。

import java.util.List;
import java.util.regex.Pattern;
import java.util.stream.Collectors;

public class Main {
    public static void main(String[] args) {
        String str = "'Twas the night before christmas! But don't open your presents. 'Tis the only way to celebrate.";
        List<String> list = Pattern.compile("'?\\b\\w+'?\\w+\\b")
                .matcher(str)
                .results()
                .map(r->r.group().replaceAll("'(.*)", "$1"))
                .collect(Collectors.toList());

        System.out.println(list);
    }
}

输出:

[Twas, the, night, before, christmas, But, dont, open, your, presents, Tis, the, only, way, to, celebrate]

正则表达式的解释，'?\b\w+'?\w+\b:

1. \b 指定 word boundary .
2. \w+ 指定 one or more word character .
3. '? 指定可选的'

如果您不熟悉Stream API，您可以按如下方式操作:

Scanner nSc = new Scanner(file);
while (nSc.hasNextLine()) {
    String line = nSc.nextLine().toLowerCase();
    Pattern pattern = Pattern.compile("'?\\b\\w+'?\\w+\\b");
    Matcher matcher = pattern.matcher(line);
    while (matcher.find()) {
        String word = matcher.group();
        System.out.println(word.replaceAll("'(.*)", "$1"));
    }
}
nSc.close();