在文本中查找单词

Question

以下代码似乎可以正常工作

String key = "jumps"   
String text = "the quick brown fox jumps over the lazy dog";  
if (text.matches(".*\\b"+key+"\\b.*"))
    System.out.println("Match");

if 语句为 TRUE，我得到 MATCH 以打印输出。 但这是我需要做的：
创建一个名为 text.txt 的文件，并在其中放入“快速棕色狐狸跳过懒狗”。

String text = new Scanner( new File("test.txt") ).useDelimiter("\\A").next();
String key = "jumps" 
if (text.matches(".*\\b"+key+"\\b.*"))
    System.out.println("Match");

这种匹配似乎只有在 test.txt 文件中只有一行时才有效。
如果文件中有一行 - if 语句为 TRUE。
如果我用两行创建文件 -
敏捷的棕色狐狸跳过了懒惰的狗
敏捷的棕狐跳过懒狗

那么 if 语句似乎永远不会是真的。
关于为什么以及我可以做些什么来让这个匹配与文件一起工作的任何想法？

Answer 1

. 不匹配换行符，所以当你有一个新行时，它会失败。使用\s 匹配换行符。

我不是正则表达式专家，但(.|\s) 是一种 将两者结合起来的方式，使用|（OR 符号）。该组合应匹配任何字符，包括换行符。因此，你的表达变成了

"(.|\\s)*\\b" + key + "\\b(.|\\s)*"

Answer 2

为什么不使用indexOf？

例如：

String text = new Scanner( new File("test.txt") ).useDelimiter("\\A").next();
String key = "jumps";
if (Arrays.asList(text.split("[\\s]")).indexOf(key) != -1)
    System.out.println("Match");
else
    System.out.println("No match");

这个解决方案的好处是它还可以告诉你它是序列中的哪个单词；但是，对于非常大的字符串，它可能不会很快。

如果你真的想使用正则表达式，你需要使用\s，因为新行可以用\n、\r或\r\nand \s can be any of these来表示。所以，你需要这样的东西：

编辑：改用以下正则表达式："(?s:.*\\b"+key+"\\b.*)"。

if (text.matches("(.|\\s)*\\b"+key+"\\b(.|\\s)*"))
    System.out.println("Regex: Match");
else
    System.out.println("Regex: No match");

如果您要在非常大的文件中查找单词，您可能需要查看StringSearch。只需下载jar，将其添加到您的classpath，并确保您是import com.eaio.stringsearch.*;

BNDMWildcards bndm = new BNDMWildcards();
int bndmIdx = 0;
int stopIdx = text.length();
boolean isFound = false;

while(!isFound && (bndmIdx = bndm.searchString(text, bndmIdx, stopIdx, "."+key+".")) != -1){
    char[] textChars = text.toCharArray();
    if(Character.isWhitespace(textChars[bndmIdx]) && Character.isWhitespace(textChars[bndmIdx+key.length()+1])){
        System.out.println("BNDM: Match");
        isFound = true;
    }
}
if(!isFound)
    System.out.println("BNDM: No match");

我不确定这种方法与其他两种方法相比在速度方面如何。我的猜测是短 text 需要更长的时间，但当 text 很长时会更快。

编辑：以前的regex 包含导致StackOverflowException 的可能性（非常适合这个网站！）- 我应该看到的问题。这是因为它在尝试搜索 text 时会创建大量子表达式。

您可以尝试的另一种正则表达式是"(?s:.*\\b"+key+"\\b.*)"。这启用了DOTALL，强制. 匹配所有字符。它应该只创建一个子表达式。

Answer 3

你为什么不试试这个方法？

Scanner scanner = new Scanner(new File("test.txt"));
    String text = "" ;
    while(scanner.hasNext())
    {
        text=text+scanner.nextLine();
    }
 if (text.matches(".*\\b"+key+"\\b.*"))
System.out.println("Match");