Java Scanner hasNext(String) 方法有时不匹配

Question

我尝试使用 Java Scanner hasNext 方法，但得到了奇怪的结果。也许我的问题很明显，但为什么这个简单的简单表达式"[a-zA-Z']+" 不适用于这样的词：“点。任何事情，主管，”。我也试过这个"[\\w']+"。

public HashMap<String, Integer> getDocumentWordStructureFromPath(File file) {
    HashMap<String, Integer> dictionary = new HashMap<>();
    try {
        Scanner lineScanner = new Scanner(file);
        while (lineScanner.hasNextLine()) {
            Scanner scanner = new Scanner(lineScanner.nextLine());
            while (scanner.hasNext("[\\w']+")) {
                String word = scanner.next().toLowerCase();
                if (word.length() > 2) {
                    int count = dictionary.containsKey(word) ? dictionary.get(word).intValue() + 1 : 1;
                    dictionary.put(word, new Integer(count));
                }
            }
            scanner.close();
        }
        //scanner.useDelimiter(DELIMITER);
        lineScanner.close();

        return dictionary;

    } catch (FileNotFoundException e) { 
        e.printStackTrace();
        return null;
    }   
}

Answer 1

你的正则表达式应该是这样的[^a-zA-z]+，因为你需要分隔所有不是字母的东西：

// previous code...
Scanner scanner = new Scanner(lineScanner.nextLine()).useDelimiter("[^a-zA-z]+");
    while (scanner.hasNext()) {
        String word = scanner.next().toLowerCase();
        // ...your other code
    }
}
// ... after code

编辑——为什么不能使用 hasNext(String) 方法？？

这一行：

Scanner scanner = new Scanner(lineScanner.nextLine());

它真正做的是为你编译一个 whitespce 模式，所以如果你有这个测试行 "Hello World. A test, ok." 它会给你这个令牌：

• 你好
• 世界。
• 一个
• 测试，
• 好的。

然后，如果您使用 scanner.hasNext("[a-ZA-Z]+")，您是在询问扫描仪 if there is a token that match your pattern，对于本示例，它将为第一个令牌声明 true：

• 您好（因为这是与您指定的模式匹配的第一个标记）

对于下一个标记（World.）it doesn't match the pattern，它只会简单地fail 和scanner.hasNext("[a-ZA-Z]+") 将返回false，因此它永远不会适用于前面任何不是字符的单词一封信。明白了吗？

现在...希望这会有所帮助。