当前位置:

首页 > 编程开发 > StringTokenizer 替代方案有哪些

StringTokenizer 替代方案有哪些

本文档旨在帮助开发者解决在使用StringTokenizer处理文本文件时遇到的首行读取问题。我们将探讨StringTokenizer的局限性,并提供一种更现代、更灵活的解决方案,使用BreakIterator和Java8StreamAPI从文本文件中提取所有单词,并将其存储到ArrayList中。

本文目录

    从文本文件中提取单词:StringTokenizer 的替代方案

    本文档旨在帮助开发者解决在使用 StringTokenizer 处理文本文件时遇到的首行读取问题。我们将探讨 StringTokenizer 的局限性,并提供一种更现代、更灵活的解决方案,使用 BreakIterator 和 Java 8 Stream API 从文本文件中提取所有单词,并将其存储到 ArrayList 中。

    问题分析:StringTokenizer 的局限性

    最初的代码尝试使用 BufferedReader 逐行读取文件,并使用 StringTokenizer 将每行分解为单词。然而,代码跳过了文件的第一行,因为在进入 while 循环之前调用了 reader.readLine() 一次。此外,StringTokenizer 在处理复杂的文本时可能不够灵活,例如包含标点符号或特殊字符的单词。

    解决方案:BreakIterator 和 Java 8 Stream API

    为了更有效地提取单词,我们可以使用 BreakIterator 类,它提供了用于定位文本中的单词边界的工具。结合 Java 8 Stream API,我们可以简化代码并提高可读性。

    以下是使用 BreakIterator 和 Stream API 的示例代码:

    import java.text.BreakIterator;
    import java.util.ArrayList;
    import java.util.List;
    import java.util.stream.Stream;
    import java.nio.file.Files;
    import java.nio.file.Paths;
    import java.io.IOException;
    
    public class WordCollector {
    
        public static void main(String[] args) {
            try {
                List words = WordCollector.getWords(Files.lines(Paths.get(args[0])));
                System.out.println(words);
            } catch (IOException e) {
                System.err.println("Error reading file: " + e.getMessage());
                e.printStackTrace();
            } catch (Throwable t) {
                t.printStackTrace();
            }
        }
    
        public static List getWords(Stream lines) {
            List result = new ArrayList<>();
            BreakIterator boundary = BreakIterator.getWordInstance();
            lines.forEach(line -> {
                boundary.setText(line);
    
                int start = boundary.first();
                for (int end = boundary.next(); end != BreakIterator.DONE; start = end, end = boundary.next()) {
                    String candidate = line.substring(start, end).replaceAll("\\p{Punct}", "").trim();
                    if (candidate.length() > 0) {
                        result.add(candidate);
                    }
                }
            });
            return result;
        }
    }

    代码解释:

    1. getWords(Stream lines) 方法:

      • 接收一个 Stream 对象,表示文件的所有行。
      • 创建一个 ArrayList 来存储提取的单词。
      • 使用 BreakIterator.getWordInstance() 获取一个用于查找单词边界的 BreakIterator 实例。
      • 使用 lines.forEach() 遍历每一行。
      • 对于每一行,使用 boundary.setText(line) 设置 BreakIterator 的文本。
      • 使用 boundary.first() 获取第一个单词的起始位置。
      • 使用一个 for 循环,通过 boundary.next() 迭代单词边界。
      • 使用 line.substring(start, end) 提取候选单词。
      • 使用 replaceAll("\\p{Punct}", "") 删除标点符号。\\p{Punct} 是一个正则表达式,匹配任何标点字符。
      • 使用 trim() 删除前导和尾随空格。
      • 如果候选单词的长度大于 0,则将其添加到结果列表中。
      • 返回包含所有提取单词的 ArrayList。
    2. main(String[] args) 方法:

      • 使用 Files.lines(Paths.get(args[0])) 从命令行参数指定的文件中读取所有行,并创建一个 Stream 对象。
      • 调用 getWords() 方法来提取单词。
      • 打印提取的单词。
      • 处理 IOException 和其他 Throwable 异常。

    使用方法:

    1. 将代码保存为 WordCollector.java。
    2. 使用 javac WordCollector.java 编译代码。
    3. 使用 java WordCollector 运行代码,其中 是要处理的文本文件的名称。

    注意事项和总结

    • 此解决方案使用 BreakIterator 来更准确地识别单词边界,并使用 Java 8 Stream API 来简化代码。
    • 使用 replaceAll("\\p{Punct}", "") 可以删除标点符号,但您可以根据需要调整正则表达式以满足您的特定需求。
    • 确保在 main 方法中正确处理异常,以避免程序崩溃。
    • StringTokenizer 在简单场景下仍然可用,但在处理复杂文本时,BreakIterator 和 Stream API 提供了更强大和灵活的替代方案。

    通过使用 BreakIterator 和 Stream API,您可以更有效地从文本文件中提取单词,并避免 StringTokenizer 带来的问题。此解决方案提供了更高的灵活性和可读性,使其成为处理文本数据的更好选择。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    QQ影音怎么加速播放视频课程
    QQ影音怎么加速播放视频课程

    播放时右键选播放速度,或点控制条倍速,1.25 到 1.5 倍看课最舒服;公式代码类内容别超过 1.25 倍。

    企业微信创建企业提示失败怎么办 实名与填写检查
    企业微信创建企业提示失败怎么办 实名与填写检查

    先看提示属于哪类:名称占用就加后缀,实名不一致就重填本人信息,证件不清晰就重拍。统一社会信用代码逐位核对,连续三次失败别改材料重投,直接联系客服人工核。

    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?
    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?

    说明源码提交对字符串、生成器和数组的识别边界,以及扫描命令与发行包核验限制。

    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?
    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?

    0.170.0 的语音更新限于终端通话协商能力的明确新增,同名工具服务器跨环境支持仍标注实验性质;连接部分则修复大请求回退、认证竞态和云端重连等具体问题。这份正式版公告不足以证明所有账户、所有客户端都已具备完整语音功能。

    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?
    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?

    了解Hy4 flash、FP8与base的适用任务,阅读官方安装及图文代码,并核对资源和MaaS许可条件。

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化
    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化。说明已核实的更新范围、类型兼容性和本地版本确认方法。

    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?
    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?

    OpenAI Java SDK 4.108.0 面向 Live MCP 工具接入与 Managed Agents 预算状态处理,说明新增模型、事件含义、正式发布范围和适用限制。

    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?
    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?

    Free Claude Code 6.19.37 在自动搜索时保留客户端工具及选择条件,代理执行搜索后仍返回普通调用。说明适用场景、历史信息保留、请求约束与第三方项目的版本边界。

    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?
    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?

    Google GenAI Go SDK 1.78.0 将 Gemini Developer API 默认改为 v1,可用 HTTPOptions.APIVersion 或环境变量保留 v1beta,Vertex AI 默认值不变。

    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?
    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?

    解释实验性实时支持、环境检查与生产评估中需要验证的条件。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。