java 拆分句子，并保留分隔符

浅浅的花香味﹌ 2023-02-22 12:26 20阅读 0赞

### BreakUpSentence.java ###

package com.example.demo.util;
    
    import java.util.ArrayList;
    import java.util.Arrays;
    import java.util.List;
    import java.util.regex.Matcher;
    import java.util.regex.Pattern;
    
    /** * 功能：拆分句子 * 详情：根据分隔符拆分句子，并且保留分隔符。拆分后的句子限制字数是10以内 * * 拆分规则： * 分隔符(英文4个，中文4个) ,.?!，。？！ * 最大字数限制(含标点)：10 * 字数若超过限制，则在前一个分隔符切分。若前面没有分隔符，则在下一个分隔符切分 * * 句子案例： * 您好，请问可以听见吗？ * 不好意思，这个我不会哎！ * 很抱歉打扰到您了，祝您生活愉快，再见。 * 据报道，刘德华（华仔）日前为庆祝官方粉丝后援会华仔天地32周年，特地举办线上聚会，不仅献唱5首歌，还罕见谈到妻子和孩子的近况，相当宠粉，他也自嘲过去1年因生病和疫情影响巡演取消，发现自己眼角多了皱纹还长出白发，近日，他在后援会晒出近照，真实状态也曝光了。 */
    public class BreakUpSentence { 
        /** 句子结束符. */
        private static final String SEPARATOR_REGEX = "[,.?!，。？！]";
    
        /** 字数限制(包含标点). */
        private static final Integer SIZE = 10;
    
        public static void main(String[] args) { 
            //1. 需要拆分的句子
            String sentence = "很抱歉打扰到您了，祝您生活愉快，再见。";
            System.out.println("原句子：" + sentence);
    
            //2. 需要分割的文本
            String[] words = splitSentence(sentence);
    
            //3. 输出 words
            System.out.println("\n拆分后的句子：");
            Arrays.stream(words).forEach(System.out::println);
    
            //4. 限制拆分后的句子的字数在10位以内
            System.out.println("\n正在处理每个句子允许的字数是10以内中.....");
            List<String> wordList = limitNumber(words);
    
            //5. 输出限制后的数据
            System.out.println("\n最终处理完后的数据是： ");
            wordList.stream().forEach(word -> { 
                System.out.println("word = " + word + "----------->length = " + word.length());
            });
        }
    
        /** * 通过分隔符拆分句子,并保留分隔符 * * 例如：很抱歉打扰到您了，祝您生活愉快，再见。 * 根据分隔符拆分： * 很抱歉打扰到您了， * 祝您生活愉快， * 再见。 * * @return */
        public static String[] splitSentence(String sentence){ 
            //1. 定义匹配模式
            Pattern p = Pattern.compile(SEPARATOR_REGEX);
            Matcher m = p.matcher(sentence);
    
            //2. 拆分句子[拆分后的句子符号也没了]
            String[] words = p.split(sentence);
    
            //3. 保留原来的分隔符
            if(words.length > 0){ 
                int count = 0;
                while(count < words.length){ 
                    if(m.find()){ 
                        words[count] += m.group();
                    }
                    count++;
                }
            }
            return words;
        }
    
        /** * 限制拆分后的句子的字数包括分隔符在10位以内 * * 例如： * 句子：很抱歉打扰到您了，祝您生活愉快，再见。 * 根据分隔符拆分后： * 很抱歉打扰到您了， * 祝您生活愉快， * 再见。 * 限制字数后： * 很抱歉打扰到您了， * 祝您生活愉快，再见。 * * @param words * @return */
        public static List limitNumber(String[] words){ 
            //1. 存储限制字数的数据
            List<String> wordList = new ArrayList<>();
    
            //2. 限制字数在10以内
            int wordsLength = words.length;
            for(int i = 0; i < wordsLength; i++){ 
                // 循环获取拆分后的每个句子
                String word = words[i];
    
                // 每个句子的长度
                int length = word.length();
                System.out.println("word = " + word + "-------------->length = " + length);
    
                // 当字数>=10，直接存储到wordList
                if(length >= SIZE){ 
                    wordList.add(word);
                }else{ 
                    // 防止ArrayIndexOutOfBoundsException
                    if(i+1 >= wordsLength){ 
                        wordList.add(word);
                        return wordList;
                    }
    
                    // 获取下一个句子的长度
                    String nextWord = words[i+1];
                    int nextLength = nextWord.length();
    
                    // 如果上一个句子的长度 + 下一个句子的长度 <= 10,那么拼接成一个句子
                    int totalLength = length + nextLength;
                    if(totalLength <= 10){ 
                        wordList.add(word + nextWord);
                        i++;
                    }else{ 
                        wordList.add(word);
                    }
                }
            }
            return wordList;
        }
    }

### 输出 ###

原句子：很抱歉打扰到您了，祝您生活愉快，再见。
    
    拆分后的句子：
    很抱歉打扰到您了，
    祝您生活愉快，
    再见。
    
    正在处理每个句子允许的字数是10以内中.....
    word = 很抱歉打扰到您了，-------------->length = 9
    word = 祝您生活愉快，-------------->length = 7
    
    最终处理完后的数据是： 
    word = 很抱歉打扰到您了，----------->length = 9
    word = 祝您生活愉快，再见。----------->length = 10