Java高效提取指定长度单词技巧

任务概述

在编程实践中，我们经常需要处理文本数据。其中一个常见任务是从一个包含多个单词的句子中，根据指定的单词长度，筛选并返回所有符合条件的单词。例如，给定字符串“Monday is a new day”和长度3，我们期望得到{"new", "day"}。

传统的实现方式可能涉及手动遍历字符串，判断字符是否为空格来识别单词边界，然后截取子字符串并检查其长度。这种方法通常代码量较大，逻辑复杂，且容易出错，尤其是在处理多个连续空格或字符串开头/结尾的空格时。

推荐解决方案：结合split()与Stream API

Java 8引入的Stream API为处理集合数据提供了强大而简洁的工具。结合String.split()方法，我们可以非常优雅地解决这个问题。

核心思路

1. 分解字符串： 使用String.split()方法将输入的句子按空格分割成一个单词数组。
2. 创建流： 将单词数组转换为一个流（Stream）。
3. 过滤单词： 使用流的filter()操作，根据每个单词的长度是否等于目标长度进行筛选。
4. 收集结果： 使用toArray()操作将过滤后的单词收集到一个新的字符串数组中。

示例代码

以下是实现上述逻辑的Java代码：

import java.util.Arrays;
import java.util.Objects; // 用于Objects.requireNonNullElseGet，处理null或空字符串

public class WordExtractor {

    /**
     * 从给定字符串中提取所有指定长度的单词。
     *
     * @param sentence   输入的句子字符串。
     * @param wordLength 目标单词的长度。
     * @return 包含所有符合长度要求的单词的字符串数组。
     *         如果输入句子为空或null，则返回空数组。
     */
    public String[] findWordsByLength(String sentence, int wordLength) {
        // 1. 处理null或空字符串输入，避免NullPointerException
        // Objects.requireNonNullElseGet(sentence, () -> "") ensures sentence is not null
        // .trim() removes leading/trailing spaces
        // .split("\\s+") splits by one or more whitespace characters
        String[] words = Objects.requireNonNullElseGet(sentence, () -> "")
                                .trim()
                                .split("\\s+");

        // 2. 将单词数组转换为流，并进行过滤和收集
        return Arrays.stream(words)
                     .filter(word -> !word.isEmpty() && word.length() == wordLength) // 过滤空字符串和符合长度的单词
                     .toArray(String[]::new); // 将结果收集到新的字符串数组中
    }

    public static void main(String[] args) {
        WordExtractor extractor = new WordExtractor();

        // 示例1
        String s1 = "Monday is a new day";
        int n1 = 3; // 3字母单词
        String[] result1 = extractor.findWordsByLength(s1, n1);
        System.out.println("Input: \"" + s1 + "\", Length: " + n1 + " -> Result: " + Arrays.toString(result1)); // 预期: {"new", "day"}

        // 示例2
        String s2 = "Monday is a new day";
        int n2 = 2; // 2字母单词
        String[] result2 = extractor.findWordsByLength(s2, n2);
        System.out.println("Input: \"" + s2 + "\", Length: " + n2 + " -> Result: " + Arrays.toString(result2)); // 预期: {"is"}

        // 示例3：包含多个空格
        String s3 = "  hello   world  java  ";
        int n3 = 5;
        String[] result3 = extractor.findWordsByLength(s3, n3);
        System.out.println("Input: \"" + s3 + "\", Length: " + n3 + " -> Result: " + Arrays.toString(result3)); // 预期: {"hello", "world"}

        // 示例4：空字符串或null输入
        String s4 = "";
        int n4 = 3;
        String[] result4 = extractor.findWordsByLength(s4, n4);
        System.out.println("Input: \"" + s4 + "\", Length: " + n4 + " -> Result: " + Arrays.toString(result4)); // 预期: {}

        String s5 = null;
        int n5 = 3;
        String[] result5 = extractor.findWordsByLength(s5, n5);
        System.out.println("Input: \"" + s5 + "\", Length: " + n5 + " -> Result: " + Arrays.toString(result5)); // 预期: {}
    }
}

代码解析

1. Objects.requireNonNullElseGet(sentence, () -> ""): 这是一个健壮性处理，确保输入的sentence参数即使为null，也不会导致NullPointerException。如果sentence是null，它会替换为一个空字符串""。
2. .trim(): 调用trim()方法去除字符串开头和结尾的空白字符。这有助于确保split()方法不会产生空字符串作为单词（例如，" hello"经过split(" ")可能得到{"", "hello"}）。
3. .split("\\s+"): 这是关键一步。
   • split()方法根据给定的正则表达式将字符串分割成子字符串数组。
   • "\\s+"是一个正则表达式，表示匹配一个或多个空白字符（包括空格、制表符、换行符等）。使用"\\s+"比简单的" "更健壮，可以正确处理句子中包含多个连续空格的情况（例如"hello world"）。
   • 此操作将返回一个String[]，其中每个元素都是一个单词。
4. Arrays.stream(words): 将上一步得到的words数组转换为一个Stream。Stream API的所有操作都基于此流进行。
5. .filter(word -> !word.isEmpty() && word.length() == wordLength): 这是流的中间操作，用于过滤元素。
   • word -> !word.isEmpty()：过滤掉可能由split()操作产生的空字符串。尽管trim()和split("\\s+")组合通常能避免这种情况，但多一层防御总是有益的。
   • word.length() == wordLength：这是核心过滤条件，只保留长度与wordLength相等的单词。
6. .toArray(String[]::new): 这是流的终止操作，将过滤后的流中的所有元素收集到一个新的String数组中。String[]::new是构造函数引用，用于指定创建数组的类型。

最佳实践与注意事项

• 描述性命名： 在代码中，使用具有描述性的方法名（如findWordsByLength而非howManyWord）和参数名（如wordLength而非n）至关重要。这大大提高了代码的可读性和可维护性，让其他开发者（或未来的你）能一眼理解代码的功能。
• 正则表达式的选用：
  • split(" ")：只按单个空格分割。如果字符串中有多个连续空格（如"hello world"），split(" ")会产生空字符串{"hello", "", "world"}。
  • split("\\s+")：按一个或多个空白字符分割。这是更推荐的做法，因为它能更鲁棒地处理各种空白字符（空格、制表符、换行符）以及连续的空白字符，避免产生空字符串。
• 处理空字符串或null输入： 在实际应用中，输入字符串可能为空或null。在调用split()之前，进行null检查和空字符串处理是良好的编程习惯，以避免运行时错误。Objects.requireNonNullElseGet是一个优雅的解决方案。
• 性能考量： 对于大多数常见的字符串长度和单词数量，Stream API的性能非常优秀。它在内部进行了优化，并且代码表达力强。对于极端性能敏感的场景（例如处理GB级别文本且需要微秒级响应），可能需要考虑更底层的字符遍历优化，但这种情况相对较少。
• 标点符号处理： 如果单词中可能包含标点符号（如"day."），而你希望只匹配纯字母单词，你可能需要在split()之前或filter()之后额外添加一步处理，例如使用word.replaceAll("[^a-zA-Z]", "")来去除标点符号。本教程的示例假定单词不含标点。

总结

通过结合String.split()方法和Java 8 Stream API，我们可以用非常简洁、高效且易于理解的方式，从字符串中提取指定长度的单词。这种现代Java编程风格不仅提升了代码质量，也降低了维护成本。掌握这种模式对于处理文本数据和利用Java函数式编程特性至关重要。