Как найти количество слов в строке java

1. Обзор

В этом руководстве мы рассмотрим различные способы подсчета слов в заданной строке с помощью Java.

2. Использование StringTokenizer

Простой способ подсчета слов в строке в Java – использовать класс StringTokenizer :

assertEquals(3, new StringTokenizer("three blind mice").countTokens()); assertEquals(4, new StringTokenizer("seethowttheytrun").countTokens());

Обратите внимание, что StringTokenizer автоматически обрабатывает пробелы , например табуляции и возврат каретки.

Но в некоторых местах это может быть глупо, например дефисы:

assertEquals(7, new StringTokenizer("the farmer's wife--she was from Albuquerque").countTokens());

В этом случае мы бы хотели, чтобы «жена» и «она» были разными словами, но поскольку между ними нет пробелов, значения по умолчанию нас не подводят.

К счастью, StringTokenizer поставляется с другим конструктором. Мы можем передать в конструктор разделитель, чтобы это работало:

assertEquals(7, new StringTokenizer("the farmer's wife--she was from Albuquerque", " -").countTokens());

Это удобно при попытке подсчитать количество слов в строке из чего-то вроде файла CSV:

assertEquals(10, new StringTokenizer("did,you,ever,see,such,a,sight,in,your,life", ",").countTokens());

Итак, StringTokenizer прост, и он помогает нам в этом.

Давайте посмотрим, какую дополнительную мощность могут дать нам регулярные выражения.

3. Регулярные выражения

Чтобы придумать осмысленное регулярное выражение для этой задачи, нам нужно определить, что мы считаем словом: слово начинается с буквы и заканчивается либо пробелом, либо знаком препинания .

Имея это в виду, для данной строки мы хотим разделить эту строку в каждой точке, где встречаются пробелы и знаки препинания, а затем подсчитать полученные слова.

assertEquals(7, countWordsUsingRegex("the farmer's wife--she was from Albuquerque"));

Давайте немного поработаем, чтобы увидеть мощь регулярного выражения:

assertEquals(9, countWordsUsingRegex("no&one#should%ever-write-like,this;but:well"));

Непрактично решать эту проблему, просто передавая разделитель в StringTokenizer, поскольку нам пришлось бы определить действительно длинный разделитель, чтобы попытаться перечислить все возможные знаки препинания.

Оказывается, нам действительно не нужно много делать, передача регулярного выражения [ pP s && [^ ‘]] + в метод split класса String сделает свое дело :

public static int countWordsUsingRegex(String arg) { if (arg == null) { return 0; } final String[] words = arg.split("[pPs&&[^']]+"); return words.length; }

Регулярное выражение [ pP s && [^ ‘]] + находит любую длину знаков препинания или пробелов и игнорирует знак препинания апострофа.

Чтобы узнать больше о регулярных выражениях, обратитесь к Регулярным выражениям на Baeldung.

4. Циклы и String API

Другой метод – установить флаг, отслеживающий встреченные слова.

Мы устанавливаем флаг в WORD, когда встречаем новое слово, и увеличиваем счетчик слов, а затем возвращаемся в SEPARATOR, когда мы встречаем неслово (знаки пунктуации или пробелы).

Этот подход дает те же результаты, что и с регулярными выражениями:

assertEquals(9, countWordsManually("no&one#should%ever-write-like,this but well")); 

Мы должны быть осторожны в особых случаях, когда знаки препинания не являются разделителями слов , например:

assertEquals(6, countWordsManually("the farmer's wife--she was from Albuquerque"));

Здесь мы хотим считать «фермерское» одним словом, хотя апостроф «’» – это знак препинания.

В версии с регулярным выражением у нас была возможность определить, что не квалифицируется как символ, с помощью регулярного выражения. Но теперь, когда мы пишем нашу собственную реализацию, мы должны определить это исключение в отдельном методе :

private static boolean isAllowedInWord(char charAt)  

Итак, что мы сделали здесь, так это разрешить одним словом все символы и допустимые знаки препинания, в данном случае апостроф.

Теперь мы можем использовать этот метод в нашей реализации:

public static int countWordsManually(String arg) { if (arg == null) { return 0; } int flag = SEPARATOR; int count = 0; int stringLength = arg.length(); int characterCounter = 0; while (characterCounter < stringLength) { if (isAllowedInWord(arg.charAt(characterCounter)) && flag == SEPARATOR) { flag = WORD; count++; } else if (!isAllowedInWord(arg.charAt(characterCounter))) { flag = SEPARATOR; } characterCounter++; } return count; }

Первое условие отмечает слово, когда оно встречается, и увеличивает счетчик. Второе условие проверяет, не является ли символ буквой, и устанавливает флаг в SEPARATOR .

5. Заключение

В этом уроке мы рассмотрели способы подсчета слов, используя несколько подходов. Мы можем выбрать любой в зависимости от нашего конкретного сценария использования.

Как обычно, исходный код этого руководства можно найти на GitHub.