我的Java开发学习之旅------>工具类:Java使用正则表达式分离出字符串中的中文和英文

简介: 今天看到一个工具类使用正则表达式将一大段字符串中的中文和英文都分离出来了,在此记录一下,读者可以收藏! import java.util.ArrayList;import java.


今天看到一个工具类使用正则表达式将一大段字符串中的中文和英文都分离出来了,在此记录一下,读者可以收藏!

import java.util.ArrayList;
import java.util.Collection;
import java.util.List;
import java.util.regex.Pattern;
/**
 * 将字符串中的中文和英文都分离出来
 * @author ouyangpeng
 * @link http://blog.csdn.net/ouyang_peng/
 */
public class WordSeg {

	public static class WordSegEntry {
		public String word;
		public boolean isEnglish;
		public String toString() {
			return "[word-->" + word + "\tisEnglish-->" + isEnglish + "]";
		}
	}
	private String raw;

	public String getRaw() {
		return raw;
	}

	public void setRaw(String raw) {
		this.raw = raw;
	}
	
	List<WordSegEntry> segs = new ArrayList<WordSegEntry>();

	public List<WordSegEntry> getSegs() {
		return segs;
	}

	public int getLength() {
		int l = 0;
		for (WordSegEntry seg : segs) {
			l += seg.word.length();
		}
		return l;
	}

	public int getCNLength() {
		int l = 0;
		for (WordSegEntry seg : segs) {
			if (seg.isEnglish)
				continue;
			l += seg.word.length();
		}
		return l;
	}

	public String toString() {
		return join(segs, "\r\n") + "\n\n"+"lenOfEnglish=" + getLength() +"\n 中文长度=" + getCNLength();
	}
	
	public static String join(Collection arr, String sep) {
		return join(arr.toArray(new Object[arr.size()]), sep);
	}

	public static String join(Object[] arr, String sep) {
		StringBuilder sb = new StringBuilder();
		for (int i = 0; i < arr.length; i++) {
			sb.append(arr[i]);
			if (sep != null && i < arr.length - 1)
				sb.append(sep);
		}
		return sb.toString();
	}

	private static Pattern p = Pattern.compile("\\p{Punct}");

	public static boolean isPunctuation(char c) {
		return p.matcher(String.valueOf(c)).matches()
				|| ("、,:;。!?\n"
						+ "{}()〔〕<>〈〉《》[]「」『』〖〗【】\n"
						+ "@#%*&+=±×÷~-\u2014\u2015_—─━ ̄\u2025…┈┄┅┉┆┇┊┋|\ufe31│┃∥\/\u2215\n"
						+ "‘’“”"'\u2035′\u301d″\u02ca\u02cb\n"
						+ "$£¥‰§№°℃\u2109\u2105\n"
						+ "^ˇ¨`°¤〃\n"
						+ " ¢¤※\u2573\n"
						+ "\u221f\u2252\u2266\u2267\u22bf∧∨∑∏∪∩∈∷√⊥∥∠⌒⊙∫∮≡≌≈∽∝≠≮≯≤≥∞∵∴\n"
						+ "○●◎◇◆□■△▲\u25bd\u25bc\u2609\n"
						+ "〓\u25e2\u25e3\u25e4\u25e5\u2594\u2581\u2582\u2583\u2585\u2587\u2588\u2589\u2593\u258a\u258b\u258c\u258d\u258e\u258f\u2595\n"
						+ "→←↑↓\u2196\u2197\u2198\u2199\n"
						+ "\u256d\u256e\u2570\u256f\n"
						+ "\ufe35\ufe36\ufe39\ufe3a\ufe3f\ufe40\ufe3d\ufe3e\ufe41\ufe42\ufe43\ufe44\ufe3b\ufe3c\ufe37\ufe38\n"
						+ "\u2550\u2551\u2552\u2553\u2554\u2555\u2556\u2557\u2559\u255a\u255b\u255c\u255d\u255e\u255f\u2560\u2561\u2562\u2563\u2564\u2565\u2566\u2567\u2568\u2569\u256a\u256b\u256c\u3012\n"
						+ "┌┍┎┏┐┑┒┓└┕┖┗┘┙┚┛├┝┞┟┠┡┢┣┤┥┦┧┨┩┪┫┬┭┮┯┰┱┲┳┴┵┶┷┸┹┺┻┼┽┾┿╀╁╂╃╄╅╆╇╈╉╊╋" + "\n")
						.contains(String.valueOf(c));
	}

	
	public static WordSeg segWord(String input) {
		WordSeg wordseg = new WordSeg();
		wordseg.setRaw(input);
		List<WordSegEntry> segs = wordseg.getSegs();
		
		int last_c_is_en_cn = 0;// 1-en,2-cn
		int last = 0;
		
		for (int i = 0; i < input.length(); i++) {
			char c = input.charAt(i);
			if (c <= 32) {// invisible chars
				if (last_c_is_en_cn == 1) {// en ,break the words
					if (i > last) {
						WordSegEntry seg = new WordSegEntry();
						seg.word = input.substring(last, i);
						seg.isEnglish = last_c_is_en_cn == 1;
						segs.add(seg);
						last = i + 1;
					}
				}
			} else if (isPunctuation(c)) {
				if (i > last) {
					if (last_c_is_en_cn != 0) {
						WordSegEntry seg = new WordSegEntry();
						seg.word = input.substring(last, i);
						seg.isEnglish = last_c_is_en_cn == 1;
						segs.add(seg);
					}
				}
				last = i + 1;
				last_c_is_en_cn = 0;
			} else if ((Character.isLetter(c) || Character.isDigit(c)) && c < 127) {
				// en word
				if (last_c_is_en_cn == 2) {
					if (i > last) {
						WordSegEntry seg = new WordSegEntry();
						seg.word = input.substring(last, i);
						seg.isEnglish = last_c_is_en_cn == 1;
						segs.add(seg);
						last = i;
					}
				}
				last_c_is_en_cn = 1;
			} else {// cn word
				if (last_c_is_en_cn == 1) {
					if (i > last) {
						WordSegEntry seg = new WordSegEntry();
						seg.word = input.substring(last, i);
						seg.isEnglish = last_c_is_en_cn == 1;
						segs.add(seg);
						last = i;
					}
				}
				last_c_is_en_cn = 2;
			}
		}
		if (last < input.length() && last_c_is_en_cn != 0) {
			WordSegEntry seg = new WordSegEntry();
			seg.word = input.substring(last, input.length());
			seg.isEnglish = last_c_is_en_cn == 1;
			segs.add(seg);
		}
		for (WordSegEntry seg : segs)
			if (!seg.isEnglish)
				seg.word = seg.word.replaceAll("\\s+", "");
		return wordseg;
	}
}

对工具类进行测试:

class WordSegTest{
	public static void main(String[] args) {
		System.out.println(WordSeg.segWord(" (欧阳鹏)我的Android进阶之旅{}()〔〕<>〈〉《》博客地址:http://blog.csdn.net/ouyang_peng/article/details/17224229「」『』〖〗【】○●◎◇◆□■△▲@#%*&欢迎大家![]∏∪∩∈∷√⊥∥∠⌒⊙∫∮≡≌≈∽∝≠≮≯≤≥∞∵∴.  "));
	}
}

得到结果如下:

[word-->欧阳鹏	isEnglish-->false]
[word-->我的	isEnglish-->false]
[word-->Android	isEnglish-->true]
[word-->进阶之旅	isEnglish-->false]
[word-->博客地址	isEnglish-->false]
[word-->http	isEnglish-->true]
[word-->blog	isEnglish-->true]
[word-->csdn	isEnglish-->true]
[word-->net	isEnglish-->true]
[word-->ouyang	isEnglish-->true]
[word-->peng	isEnglish-->true]
[word-->article	isEnglish-->true]
[word-->details	isEnglish-->true]
[word-->17224229	isEnglish-->true]
[word-->欢迎大家	isEnglish-->false]

lenOfEnglish=71
 中文长度=17



====================================================================================

  作者:欧阳鹏  欢迎转载,与人分享是进步的源泉!

  转载请保留原文地址http://blog.csdn.net/ouyang_peng

===================================================================================


相关文章
|
3天前
|
传感器 数据采集 网络协议
Java串口通信:从十六进制字符串到字节数组的正确转换与发送
Java串口通信:从十六进制字符串到字节数组的正确转换与发送
18 4
|
5天前
|
Java
在Java中,如何将字符串转换为浮点数?
【4月更文挑战第30天】在Java中,如何将字符串转换为浮点数?
10 0
|
5天前
|
Java 索引
Java String应用与开发
Java String应用与开发
13 0
|
5天前
|
存储 Java C语言
【Java探索之旅】数据类型与变量 浮点型,字符型,布尔型,字符串型
【Java探索之旅】数据类型与变量 浮点型,字符型,布尔型,字符串型
13 0
|
6天前
|
安全 Java 开发者
构建高效微服务架构:后端开发的新范式Java中的多线程并发编程实践
【4月更文挑战第29天】在数字化转型的浪潮中,微服务架构已成为软件开发的一大趋势。它通过解耦复杂系统、提升可伸缩性和促进敏捷开发来满足现代企业不断变化的业务需求。本文将深入探讨微服务的核心概念、设计原则以及如何利用最新的后端技术栈构建和部署高效的微服务架构。我们将分析微服务带来的挑战,包括服务治理、数据一致性和网络延迟问题,并讨论相应的解决方案。通过实际案例分析和最佳实践的分享,旨在为后端开发者提供一套实施微服务的全面指导。 【4月更文挑战第29天】在现代软件开发中,多线程技术是提高程序性能和响应能力的重要手段。本文通过介绍Java语言的多线程机制,探讨了如何有效地实现线程同步和通信,以及如
|
6天前
|
Java
JAVA刷题之字符串的一些个人思路
JAVA刷题之字符串的一些个人思路
|
8天前
|
安全 算法 Java
写给Java开发的Go语言协程实践
写给Java开发的Go语言协程实践
14 0
|
9天前
|
Java 测试技术 程序员
滚雪球学Java(21):Java正则表达式
【4月更文挑战第10天】🏆本文收录于「滚雪球学Java」专栏,专业攻坚指数级提升,希望能够助你一臂之力,帮你早日登顶实现财富自由🚀;同时,欢迎大家关注&&收藏&&订阅!持续更新中,up!up!up!!
17 2
滚雪球学Java(21):Java正则表达式
|
9天前
|
缓存 安全 Java
【Java基础】String、StringBuffer和StringBuilder三种字符串对比
【Java基础】String、StringBuffer和StringBuilder三种字符串对比
6 0
|
2月前
|
编译器 Python
Python正则表达式的7个使用典范(推荐)
Python正则表达式的7个使用典范(推荐)
25 0