Парсинг на слова via String.split(), шаблон для игнора задвоенных CR/LF. Какой ? / Java

ReSQL.ru

Мобильная версия Контакт Правила FAQ Помощь

Гость

Войти | Регистрация | Профиль | Очистить

Новые сообщения | Избранное

Форумы | Пользователи | Статистика | Мод. лог | Поиск

Цитировать

Написать

Автор*:

Ввести пароль для входа

Тема*:

Сообщение

Данное сообщение тематическое

Сообщение содержит картинки или видео 18+

Автор:

ВНИМАНИЕ! На данном подфоруме действуют строгие правила. Удостоверьтесь, что ваше сообщение соответствует им!

Форум или тема закрыты для гостей. Необходима авторизация!

Загрузить последнюю сохраненную версию

Вложение:

Вставить как галерею

Максимальный размер вложений: 4,0 МБ, аудио/видео: 8,0 МБ. Картинки большего размера ужимаются, если возможно.

Введите код, изображенный на картинке. Если код нечитаемый, кликните картинку, чтобы загрузить другой вариант.

Отправляя сообщение, я выражаю свое согласие с правилами форума и принимаю пользовательское соглашение.

Доб. в избранное | Игнор. тему | Прикреп. тему | Пометить прочит. / непрочит. | Фильтр

Форумы / Java [игнор отключен] [закрыт для гостей] / Парсинг на слова via String.split(), шаблон для игнора задвоенных CR/LF. Какой ?

8 сообщений из 8, страница 1 из 1

Парсинг на слова via String.split(), шаблон для игнора задвоенных CR/LF. Какой ?

#38397112

ozzmosis

Гость

hi

Необходимо прочесть входной файл и вытряхнуть из него только слова, отослав в игнор все переводы строки и знаки препинания.
В следующем коде проблема в row.split(ptn): для строки, содержащей только разделитель из шаблона, возвращается массимв длины 1, а не 0.

Код: java

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.

import java.util.*;
import java.io.*;
import java.util.regex.*;

class WordsOnly2 {
  public static void main(String[] args) {
    new WordsOnly2().go();
  }
  void go() {
    BufferedReader br;
    List<String> a = new LinkedList<String>();

    String row, ptn;
    // ptn="[\\p{Punct}*\\s]+";
    //ptn="\\s+";
    ptn="\\W+";

    String src="C:\\gutenberg.txt";
    String tgt="C:\\gutenberg.tmp";
    try {
      br = new BufferedReader(new FileReader(src));
      while ( (row=br.readLine()) != null ) {
        System.out.println("row=>"+row+"< length="+row.split(ptn).length+", size="+Arrays.asList(row.split(ptn)).size() );
        a.addAll( Arrays.asList(row.split(ptn)) );
      }
      br.close();
    } catch(Exception x) { x.printStackTrace(); }
  }
}

Входной файл:

Код: plaintext

1.
2.
3.
4.
5.
6.

The Project Gutenberg EBook of The King James Bible





This eBook is for the use of anyone

(NB: между первой и второй строками - несколько подряд переводов).

Output:

Код: plaintext

1.
2.
3.
4.
5.
6.

row=>The Project Gutenberg EBook of The King James Bible< length=9, size=9
row=>< length=1, size=1
row=>< length=1, size=1
row=>< length=1, size=1
row=>< length=1, size=1
row=>< length=1, size=1
row=>This eBook is for the use of anyone< length=8, size=8

Надо что-то подсунуть в шаблон ptn, чтобы для row=>< (а на самом деле это перевод строки) row.split(ptn).length был = 0.
Понятно, что можно предварительно проверять строку "на непусто", но хотелось бы обойтись без лишних операторов.

Подскажите, плз, можно ли это сделать.

...

Рейтинг:

0 / 0

15.09.2013, 19:50:53

| Ответить | Цитировать | Написать

Парсинг на слова via String.split(), шаблон для игнора задвоенных CR/LF. Какой ?

#38397190

ozzmosis

Гость

... вроде бы не получится :( http://docs.oracle.com/javase/1.4.2/docs/api/java/lang/String.html#split(java.lang.String, int) If the expression does not match any part of the input then the resulting array has just one element, namely this string .

...

Рейтинг:

0 / 0

15.09.2013, 23:54:28

| Ответить | Цитировать | Написать

Парсинг на слова via String.split(), шаблон для игнора задвоенных CR/LF. Какой ?

#38397244

Usman

Участник

Откуда: من ألماتي

Сообщения: 5 723

Рейтинг: 0 / 0

ozzmosis

Код: java

ptn="\\W+";

С этим паттерном все работает

...

Рейтинг:

0 / 0

16.09.2013, 04:16:32

| Ответить | Цитировать | Написать

Парсинг на слова via String.split(), шаблон для игнора задвоенных CR/LF. Какой ?

#38397651

ozzmosis

Гость

UsmanС этим паттерном все работаетНет. Множественные переводы строк не схлопываются в одинарный:

Код: java

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.

import java.util.*;
import java.io.*;
import java.util.regex.*;

class WordsOnly2 {
  public static void main(String[] args) {
    new WordsOnly2().go();
  }
  void go() {
    BufferedReader br;
    BufferedWriter bw;
    List<String> a = new LinkedList<String>();

    String row, ptn;
    // ptn="[\\p{Punct}*\\s]+";
    //ptn="\\s+";
    ptn="\\W+";

    String src="C:\\gutenberg.txt";
    String tgt="C:\\gutenberg.tmp";
    try {
      br = new BufferedReader(new FileReader(src));
      while ( (row=br.readLine()) != null ) {
        System.out.println("row=>"+row+"< length="+row.split(ptn).length+", size="+Arrays.asList(row.split(ptn)).size() );
        a.addAll( Arrays.asList(row.split(ptn)) );
      }
      br.close();

      bw = new BufferedWriter(new FileWriter(tgt));
      for(String r : a) { 
        //bw.write(r+"\n"); // var-1
        bw.write(r); bw.newLine(); //  var-2
      }
      bw.close();

    } catch(Exception x) { x.printStackTrace(); }
  }
}

Код: plaintext

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.

C:\>type gutenberg.tmp
The
Project
Gutenberg
EBook
of
The
King
James
Bible





This
eBook
is
for
the
use
of
anyone

...

Рейтинг:

0 / 0

16.09.2013, 13:33:27

| Ответить | Цитировать | Написать

Парсинг на слова via String.split(), шаблон для игнора задвоенных CR/LF. Какой ?

#38398025

Usman

Участник

Откуда: من ألماتي

Сообщения: 5 723

Рейтинг: 0 / 0

ozzmosisМножественные переводы строк не схлопываются в одинарныйВсмысле, подряд идущих? Если так, то все схлопывается за раз:

Код: java

1.
2.

System.out.println(Arrays.toString("Hello, \r\nWorld\r\n\r\n\r\n234\r \r \r \r\n \n\n\n !!!".split("\\W+")));
// [Hello, World, 234]

...

Рейтинг:

0 / 0

16.09.2013, 18:44:53

| Ответить | Цитировать | Написать

Парсинг на слова via String.split(), шаблон для игнора задвоенных CR/LF. Какой ?

#38398046

ozzmosis

Гость

Usman,

ну так почему тогда при чтении файла не схлопываются ? (при таком же паттерне, "\\W+").
Файлик - в аттаче.

...

Рейтинг:

0 / 0

16.09.2013, 19:04:55

| Ответить | Цитировать | Написать

Парсинг на слова via String.split(), шаблон для игнора задвоенных CR/LF. Какой ?

#38398076

Usman

Участник

Откуда: من ألماتي

Сообщения: 5 723

Рейтинг: 0 / 0

ozzmosis,

Вы неправильно схлопывали. Нужно было так: ;)

Код: java

1.
2.
3.
4.
5.
6.
7.

BufferedReader br = new BufferedReader(...);
StringBuilder text = new StringBuilder();
while (br.ready()) {
	text.append(br.readLine());
}
br.close();
System.out.println(Arrays.toString(text.toString().split("\\W+")));

Или - для построчного считывания из файла:

Код: java

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

BufferedReader br = new BufferedReader(...);
while (br.ready()) {
	String line = br.readLine().trim();
	if (!line.isEmpty()) {
		for (String word: line.split("\\W+")) {
			System.out.println(word);
		}
	}
}
br.close();

...

Рейтинг:

0 / 0

16.09.2013, 19:33:33

| Ответить | Цитировать | Написать

Парсинг на слова via String.split(), шаблон для игнора задвоенных CR/LF. Какой ?

#38398081

ozzmosis

Гость

Usman,

спасибо, буду пробовать.

...

Рейтинг:

0 / 0

16.09.2013, 19:44:08

| Ответить | Цитировать | Написать

8 сообщений из 8, страница 1 из 1

Читали тему (0):

Читали форум (0):

Пользователи онлайн (0):

start [/forum/topic.php?fid=59&msg=38397244&tid=2128589]:	0ms
get settings:	16ms
get forum list:	32ms
check forum access:	8ms
check topic access:	8ms
track hit:	66ms
get topic data:	24ms
get forum data:	6ms
get page messages:	107ms
get tp. blocked users:	3ms
others:	303ms

total:	573ms

	Необходимые cookie
	Cookie для сбора статистики
	Cookie для маркетинга и рекламы