在Java字符串中计算句子数量

Question

你好，我想要计算一个字符串中句子的数量，目前我正在使用以下方法：

int count = str.split("[!?.:]+").length;

但是我的字符串中包括名称和单词之间的"."，例如：

“他的名字是沃尔顿D.C.，他去年刚完成了他的B.Tech。”

现在以上述行作为示例，计数将返回4个句子，但实际上只有一个。

那么如何处理这些情况？

- Sahil Shokeen

---

这就是我在思考如何区分的想法。 - Sahil Shokeen

JAVA 8 可以确定句子边界。 - gtgaxiola

我在使用Java进行Android开发，是否有一个库可以使用？ - Sahil Shokeen

问题是我正在使用Java进行Android开发，而Android开发不支持Java 8。 - Sahil Shokeen

只需使用OpenNLP，这可能是最好的解决方案。 - m4gic

Answer 1

你可以使用 BreakIterator，并检测不同种类的 文本边界。

在您的情况下，是句子：

private static void markBoundaries(String target, BreakIterator iterator) {
    StringBuffer markers = new StringBuffer();
    markers.setLength(target.length() + 1);
    for (int k = 0; k < markers.length(); k++) {
        markers.setCharAt(k, ' ');
    }
    int count = 0;
    iterator.setText(target);
    int boundary = iterator.first();
    while (boundary != BreakIterator.DONE) {
        markers.setCharAt(boundary, '^');
        ++count;
        boundary = iterator.next();
    }
    System.out.println(target);
    System.out.println(markers);
    System.out.println("Number of Boundaries: " + count);
    System.out.println("Number of Sentences: " + (count-1));
}

public static void main(String[] args) {
    Locale currentLocale = new Locale("en", "US");
    BreakIterator sentenceIterator
            = BreakIterator.getSentenceInstance(currentLocale);
    String someText = "He name is Walton D.C. and he just completed his B.Tech last year.";
    markBoundaries(someText, sentenceIterator);
    someText = "This order was placed for QT3000! MK?";
    markBoundaries(someText, sentenceIterator);

}

输出结果将为：

He name is Walton D.C. and he just completed his B.Tech last year.
^                                                                 ^
Number of Boundaries: 2
Number of Sentences: 1
This order was placed for QT3000! MK?
^                                 ^  ^
Number of Boundaries: 3
Number of Sentences: 2

- gtgaxiola

Answer 2

解决方法可以是，在遇到句点时，检查是否有一个空格和一个大写字母在它后面。 "[句点][空格][大写字母]" 这将确保该句子的正确性。

更新相应的代码：

public static void main( String args[] ) {
      // String to be scanned to find the pattern.
      String line = "This order was placed for QT3000! MK? \n Thats amazing. \n But I am not sure.";
  String pattern = "([.!?])([\\s\\n])([A-Z]*)";

  // Create a Pattern object
  Pattern r = Pattern.compile(pattern);

  // Now create matcher object.
  Matcher m = r.matcher(line);
  int count=0;
  while (m.find( )) {
      count++;
  }
  count++; //for the last line, which will not get included here.
  System.out.println("COUNT=="+count);
}

- Yashi Srivastava

---

@Simion，“B.Tech”不会被识别为句子分隔符（这就是Yashi的意思），但如果我正确理解了OP，它也可能是“B. Tech”，这将是一个误报。 - Thomas

只留下例子，我的重点在于逻辑。这个逻辑适用于所有测试用例。 - Yashi Srivastava

它将如何显示句子的数量？ - Sahil Shokeen

@SahilShokeen，您认为这个答案解决了您的问题吗？ - Yashi Srivastava

我猜你可以使用一个[DELIMITERS][NEXT LINE]的条件来解决这个问题。我会为此编辑我的代码。 - Yashi Srivastava

Answer 3

简单的方法 ``` public class CountLines { ```

public static void main(String[] args) {
    // TODO Auto-generated method stub
    String s="Find the number Sentence";
    int count=0;
    for (int i = 0; i < s.length(); i++) {
        if(s.charAt(i)==' ') {
            count++;
        }
    }
    count=count+1;
    System.out.println(count);
}

}

- Abubaker Siddiq

Answer 4

一个解决方案是，如果在点之前有一个或多个大写字母，则可以跳过该点。在这种情况下，名称（如果它们是大写的）也是如此。实施此操作后，您将只有一个句子。

另一个解决方案：改进此处的一个答案可能是：[小写]（[点]或[？]或[！]）[空格][大写]

但正如我所说，如果没有确切的规则，这几乎是不可能的。

- Simion

---

但并不是必须在“.”之前有大写字母，例如“b.tech”或“etc.”。 - Sahil Shokeen

我写在括号里：你应该定义一些限制，一些规则——所有用于名称的字母都必须大写（或类似这样）。否则，即使是人类也无法将一句话与另一句话分开。 - Simion