用户正则表达式(取消)匹配高于特定值的所有单词长度

Question

关于Java RegEx的问题：

我

有一个分词器，我只想返回长度超过一定长度的代币。

例如：我需要返回此文本中超过 1 个字符的所有标记："这是文字。">

我需要获得 3 个令牌：">这个"、">是"、"文本">不需要以下标记：">a">和"."。请注意，字符串可以包含任何字符(不仅是 alpha-bet 字符(

我尝试了这段代码，但我不确定如何完成它：

    String lines[]  = {"This is o n e l e tt e r $ % ! sentence"};

    for(String line : lines)
    {
        String orig = line;
        Pattern Whitespace = Pattern.compile("[\s\p{Zs}]+");
        line = Whitespace.matcher(orig).replaceAll(" ").trim();
        System.out.println("Test:t'" + line + "'");
        Pattern SingleWord = Pattern.compile(".+{1}");  //HOW CAN I DO IT?
        SingleWord.matcher(line).replaceAll(" ").trim();
        System.out.println("Test:t'" + line + "'");

    }

谢谢

Answer 1

为什么不使用这样的w{2,}：

String line = "This is o n e l e tt e r $ % ! sentence";
Pattern pattern = Pattern.compile("\w{2,}");
Matcher matcher = pattern.matcher(line);
while (matcher.find()) {
    System.out.println(matcher.group());
}

输出

This
is
tt
sentence

---

编辑

然后，您可以使用此[A-Za-z0-9_@.-]{2,}指定不想避免的特殊字符，也可以使用[^s]{2,}或S{2,}非空格字符：

输入

This is o [e-mail] n e l e tt e r $ % ! sentence

输出

This
is
[e-mail]
tt
sentence

Answer 2

如果你使用Java 8，你可以这样做：

String line = "This is o n e l e tt e r $ % ! sentence";
ArrayList<String> array = new ArrayList<>(Arrays.asList(line.split(" ")));
array.removeIf(u -> u.length() == 1);

array现在包含：

This
is
tt
sentence

Answer 3

我只会使用一些简单的东西，例如

List<String> words = new LinkedList<String>();
Matcher m = Pattern.compile("\S{2,}").matcher(line);
while(m.find())
{
    words.add(m.group(0));
}

\S(大写"s"(匹配所有非空格字符。

免责声明：我没有运行这个，但它应该可以工作(也许需要一些最小的更改(