java 拆分句子，并保留分隔符

BreakUpSentence.java

package com.example.demo.util; import java.util.ArrayList; import java.util.Arrays; import java.util.List; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 功能：拆分句子 * 详情：根据分隔符拆分句子，并且保留分隔符。拆分后的句子限制字数是10以内 * * 拆分规则： * 分隔符(英文4个，中文4个) ,.?!，。？！ * 最大字数限制(含标点)：10 * 字数若超过限制，则在前一个分隔符切分。若前面没有分隔符，则在下一个分隔符切分 * * 句子案例： * 您好，请问可以听见吗？ * 不好意思，这个我不会哎！ * 很抱歉打扰到您了，祝您生活愉快，再见。 * 据报道，刘德华（华仔）日前为庆祝官方粉丝后援会华仔天地32周年，特地举办线上聚会，不仅献唱5首歌，还罕见谈到妻子和孩子的近况，相当宠粉，他也自嘲过去1年因生病和疫情影响巡演取消，发现自己眼角多了皱纹还长出白发，近日，他在后援会晒出近照，真实状态也曝光了。 */ public class BreakUpSentence { /** 句子结束符. */ private static final String SEPARATOR_REGEX = "[,.?!，。？！]"; /** 字数限制(包含标点). */ private static final Integer SIZE = 10; public static void main(String[] args) { //1. 需要拆分的句子 String sentence = "很抱歉打扰到您了，祝您生活愉快，再见。"; System.out.println("原句子：" + sentence); //2. 需要分割的文本 String[] words = splitSentence(sentence); //3. 输出 words System.out.println("\n拆分后的句子："); Arrays.stream(words).forEach(System.out::println); //4. 限制拆分后的句子的字数在10位以内 System.out.println("\n正在处理每个句子允许的字数是10以内中....."); List<String> wordList = limitNumber(words); //5. 输出限制后的数据 System.out.println("\n最终处理完后的数据是： "); wordList.stream().forEach(word -> { System.out.println("word = " + word + "----------->length = " + word.length()); }); } /** * 通过分隔符拆分句子,并保留分隔符 * * 例如：很抱歉打扰到您了，祝您生活愉快，再见。 * 根据分隔符拆分： * 很抱歉打扰到您了， * 祝您生活愉快， * 再见。 * * @return */ public static String[] splitSentence(String sentence){ //1. 定义匹配模式 Pattern p = Pattern.compile(SEPARATOR_REGEX); Matcher m = p.matcher(sentence); //2. 拆分句子[拆分后的句子符号也没了] String[] words = p.split(sentence); //3. 保留原来的分隔符 if(words.length > 0){ int count = 0; while(count < words.length){ if(m.find()){ words[count] += m.group(); } count++; } } return words; } /** * 限制拆分后的句子的字数包括分隔符在10位以内 * * 例如： * 句子：很抱歉打扰到您了，祝您生活愉快，再见。 * 根据分隔符拆分后： * 很抱歉打扰到您了， * 祝您生活愉快， * 再见。 * 限制字数后： * 很抱歉打扰到您了， * 祝您生活愉快，再见。 * * @param words * @return */ public static List limitNumber(String[] words){ //1. 存储限制字数的数据 List<String> wordList = new ArrayList<>(); //2. 限制字数在10以内 int wordsLength = words.length; for(int i = 0; i < wordsLength; i++){ // 循环获取拆分后的每个句子 String word = words[i]; // 每个句子的长度 int length = word.length(); System.out.println("word = " + word + "-------------->length = " + length); // 当字数>=10，直接存储到wordList if(length >= SIZE){ wordList.add(word); }else{ // 防止ArrayIndexOutOfBoundsException if(i+1 >= wordsLength){ wordList.add(word); return wordList; } // 获取下一个句子的长度 String nextWord = words[i+1]; int nextLength = nextWord.length(); // 如果上一个句子的长度 + 下一个句子的长度 <= 10,那么拼接成一个句子 int totalLength = length + nextLength; if(totalLength <= 10){ wordList.add(word + nextWord); i++; }else{ wordList.add(word); } } } return wordList; } }

输出

原句子：很抱歉打扰到您了，祝您生活愉快，再见。 拆分后的句子： 很抱歉打扰到您了， 祝您生活愉快， 再见。 正在处理每个句子允许的字数是10以内中..... word = 很抱歉打扰到您了，-------------->length = 9 word = 祝您生活愉快，-------------->length = 7 最终处理完后的数据是： word = 很抱歉打扰到您了，----------->length = 9 word = 祝您生活愉快，再见。----------->length = 10