提取字符串中的词语的java源码

以下是Java中提取字符串中的词语的示例代码：

public class WordExtractor {
    public static void main(String[] args) {
        String text = "This is a sample text to extract words from.";
        String[] words = text.split("[\\s.,;:!?(){}\\[\\]]+");

        for (String word : words) {
            System.out.println(word);
        }
    }
}

这个示例代码中，首先定义了一个字符串变量 `text`，它包含待提取词语的文本。然后，使用正则表达式 `"[\\s.,;:!?(){}\\[\\]]+"` 对文本进行分割，得到一个字符串数组 `words`，其中包含了所有的词语。最后，使用 `for` 循环遍历 `words` 数组，输出每个词语。

相关问题

提取中文字符串中的词语的java源码

下面是一个简单的 Java 实现，使用正则表达式和分词器来提取中文字符串中的词语：

import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import org.ansj.splitWord.analysis.ToAnalysis;

public class ChineseWordExtractor {
  
  public static List<String> extract(String input) {
    List<String> words = new ArrayList<>();
    // 正则表达式匹配中文字符
    Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]+");
    Matcher matcher = pattern.matcher(input);
    while (matcher.find()) {
      String match = matcher.group();
      // 使用分词器分词
      List<String> segmented = ToAnalysis.parse(match).getTerms();
      words.addAll(segmented);
    }
    return words;
  }
  
  public static void main(String[] args) {
    String input = "我爱北京天安门，天安门上太阳升。";
    List<String> words = extract(input);
    System.out.println(words);
  }
}

上述代码中，首先使用正则表达式 `[\\u4e00-\\u9fa5]+` 匹配中文字符，然后使用分词器 `ToAnalysis` 对每个匹配到的字符串进行分词，最后将所有分词结果存储到列表中并返回。在 `main()` 方法中，我们演示了如何使用该方法提取中文字符串中的词语。

提取中文字符串中的词语，并统计出现的次数的java源码

以下是一个简单的Java程序，可以提取中文字符串中的词语，并统计它们出现的次数：

import java.util.HashMap;
import java.util.Map;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ChineseWordCount {
    
    public static void main(String[] args) {
        String str = "这是一个中文字符串，其中包含很多词语，比如说“中文”，“字符串”，“词语”，“统计”等等。";
        Map<String, Integer> wordCount = countChineseWords(str);
        System.out.println(wordCount);
    }
    
    public static Map<String, Integer> countChineseWords(String str) {
        Map<String, Integer> wordCount = new HashMap<>();
        Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]+");
        Matcher matcher = pattern.matcher(str);
        while (matcher.find()) {
            String word = matcher.group();
            if (wordCount.containsKey(word)) {
                wordCount.put(word, wordCount.get(word) + 1);
            } else {
                wordCount.put(word, 1);
            }
        }
        return wordCount;
    }
}

这个程序使用正则表达式来匹配中文字符（Unicode编码范围为`\u4e00-\u9fa5`），然后使用`Map`来统计每个词语出现的次数。在示例中，我们使用一个简单的字符串来演示这个程序。你可以将其替换为你想要统计的任何中文字符串。