使用正则表达式str.split(“\\W+“)拆分句子

正则表达式

String sentence = "The quick brown fox... jumps over the lazy dog?"; String[] words = sentence.split("\\W+"); // \\W+怎么理解？ /*打印words会输出： The quick brown fox jumps over the lazy dog */

在 Java 中，使用split()方法处理字符串时，这个表达式的作用是寻找并匹配所有“非单词字符”作为拆分的间隔点。

我们可以把这段代码拆解开来看：

1. \W(大写 W): 这是一个特殊的元字符，代表“任何非单词字符”。在正则表达式中，单词字符通常指的是字母（a-z, A-Z）、数字（0-9）和下划线（_）。因此，\W会匹配空格、标点符号（如...、?、,）、感叹号等任何不是字母或数字的符号。
2. +: 这是一个修饰符，表示“一次或多次”。它意味着如果连续出现多个非单词字符（比如句子里的...或者空格加标点），程序会将它们看作是一个整体，而不是把每一个符号都拆开。
3. "\\W+"中的双反斜杠\\: 在 Java 字符串中，反斜杠\是转义字符。为了表示正则表达式里的\W，我们需要用另一个反斜杠额外转义一下，所以写成\\W。

举个例子：

如果你有一个句子："Hello!!!World"

• 当你用"\\W+"去拆分时：
  • !!!会被识别为一组“非单词字符”。
  • 程序会以!!!为界限，将原始字符串拆分成"Hello"和"World"两个部分。

总结逻辑

使用sentence.split("\\W+")的逻辑就是：“帮我把这个句子里所有的标点符号、空格等‘非单词’的部分全部删掉，并以这些位置为切割点，把句子拆分成一个个纯粹的单词数组。”