Java filtre les mots hors du fichier, même si rare aucun espace se produisent

Question

Je travaille sur une grande mission de données pour l'école et pour faire fonctionner mon code, j'ai besoin de filtrer les mots d'un fichier texte. Bien sûr, je lis le fichier et filtre les choses dont je n'ai pas besoin avec replaceAll ("[^ a-zA-Z0-9]", "");

Mais cela pose un problème. Parce que je filtre sur les espaces et il y a quelques cas particuliers comme:

wobbewy!'--'Wobbewy,' 

Je reçois des mots comme:

wobbewywobbewy 

Y at-il de toute façon de filtrer les mots sur les espaces et filtrer aussi ces cas particuliers sans faire comme une énorme quantité de déclarations si?

code Exemple de ce qui se passe après avoir essayé le correctif:

while ((thisLine = bufferedReader.readLine()) != null) { 
     String[] woord = thisLine.toString().trim().split("\\s+"); 
     for(int i=0; i<woord.length; i++){ 
      normalWord = woord[i].replaceAll("[^a-zA-Z]+", " "); 
      normalWord = normalWord.toLowerCase(); 

Puis-je obtenir outpuit comme:

xxv (espaces multiples) mon

Answer 1

de Split consomme entrée, alors divisée sur « non mot » caractères:

String[] woord = thisLine.trim().split("[^a-zA-Z0-9']+"); 

Avis J'ajouté lapostrophe aux caractères de garder, ce qui laissera des mots comme « ne pas » être traité comme un seul mot .

Answer 2

Lors de la suppression des caractères spéciaux, vos informations à propos des frontières de mots se perd.

Remplacez replaceAll("[^a-zA-Z0-9]", ""); par replaceAll("([^a-zA-Z0-9]|\s)+", " "); (remplacez les caractères spéciaux et les espaces blancs par un seul espace).