java split用多个标点拆分，并保留分隔符

 

String[] split(String regex)
根据给定的正则表达式的匹配来拆分此字符串。

 

注意：竖线"|" 要转义写成 "\\|"，还有一些其他的特殊字符是需要转义的 如 \\. \\? 等

 

1.用多个标点拆分

strs = str.split("[、，。；？！,.;?!]");

strs = str.split("、|，|。|；|？|！|,|\\.|;|\\?|!|]");

 

2.还想保留分隔符，

笨方法：在要拆分的标点后边加一个新的拆分符，用新的拆分符拆分

//这么替换，是为了拆分后，还能保存标点符号，//可再优化 
line = line.replaceAll("、", "、|");
line = line.replaceAll("，", "，|");
line = line.replaceAll("。", "。|");
line = line.replaceAll("；", "；|");
line = line.replaceAll("？", "？|");
line = line.replaceAll("！", "！|");
line = line.replaceAll(",", ",|");
line = line.replaceAll("\\.", ".|");
line = line.replaceAll(";", ";|");
line = line.replaceAll("\\?", "?|");
line = line.replaceAll("!", "!|");
strs = line.split("\\|");

 

3.还想单独保留分隔符，

自己写了个方法，仅供参考：

用StringBuilder，一个一个字符的去拼。

phrase = new Phrase(str,String.valueOf(ch),l+1,++no);
Phrase 是自定义类，第一个参数是短句，第二个参数是分隔符

 

reader = new BufferedReader(new InputStreamReader(new FileInputStream(filePath),encoding)); //考虑到编码格式  
String line; 
StringBuilder sb;
//int num = 0;    //总句码
int l=0;        //行序号
while((line = reader.readLine()) != null){ 
    //line = new String(line.getBytes("ISO-8859-1"),"UTF-8");
    //System.out.println(line); 
    //line = line.replaceAll("[，。；？！,.;?!]", "|");
    line = line.replaceAll("| ", "");
    sb = new StringBuilder();
    String str="";
    //String punctuation = "";
    //line = ",abcdev,";//abcdev,asdfasdf.asfejfl;3f23f!;efefef";
    char[] chars = line.toCharArray();
    int no = 0;
    for(char ch : chars){
        if(ch == 65279){    //'' //'' //65279 utf-8 bom
            continue;
        }
        if("、，。；？！,.;?!".indexOf(ch) == -1){
            sb.append(ch);
        } else {
           //System.out.println(sb.toString()+ch);
            str = sb.toString();
            if(str.length()>0){
                phrase = new Phrase(str,String.valueOf(ch),l+1,++no);
                phraseList.add(phrase);   
            }
            sb = new StringBuilder();
        } 
    }

    //后边的没标点的短句
    str = sb.toString();
    if(str.length()>0){ 
        //System.out.println(str);   
        phrase = new Phrase(str,"",l+1,++no);
        phraseList.add(phrase);
    }
    l++;
}
reader.close(); 

 

别人的解决方法

http://www.iteye.com/problems/27173

/*需要分割的文章*/  
String str = "第一句。第二句！第三句：第四句；第五句。";   
  
/*正则表达式：句子结束符*/  
String regEx="：|。|！|；";    
Pattern p =Pattern.compile(regEx);   
Matcher m = p.matcher(str);   
  
/*按照句子结束符分割句子*/  
String[] words = p.split(str);   
  
/*将句子结束符连接到相应的句子后*/  
if(words.length > 0)   
{   
    int count = 0;   
    while(count < words.length)   
    {   
        if(m.find())   
        {   
            words[count] += m.group();   
        }   
        count++;   
    }   
}   
  
/*输出结果*/  
for(int index = 0; index < words.length; index++)   
{   
    String word = words[index];   
    System.out.println("word = " + word);   
}

   

其他的：

替换中英文空格为空

line = line.replaceAll("| ", "");

 

替换回车换行为空，注意中间写的是或，因为有的只有一个，有的顺序不同

line = line.replaceAll("\n|\r", "");