Объясните, пожалуйста, как срабатывает в моем коде split() для переменной string

Обсуждается

Вопрос возник при решении задачи. Я увидел один из советов использовать регулярку \\W при сплите строки . ОК. Прочитал и посмотрел регулярные выражения . \\W - это non-character символы . То есть в строке 16 я это использую и получаю результат (без кавычек): " world world wOrld wor ld world " И тут я начал тупить:) Почему осталось слово world после сплита? Ведь при таком сплите строка должна разбиться по пробелам. запятым и тд ... Подскажите пожалуйста как работает здесь сплит и где ошибка в рассуждениях. Считаем слово Считать с консоли имя файла. Файл содержит слова, разделенные знаками препинания. Вывести в консоль количество слов "world", которые встречаются в файле. Закрыть потоки. Требования: 1. Программа должна считывать имя файла с консоли (используй BufferedReader). 2. BufferedReader для считывания данных с консоли должен быть закрыт. 3. Программа должна считывать содержимое файла (используй FileReader c конструктором String). 4. Поток чтения из файла (FileReader) должен быть закрыт. 5. Программа должна выводить в консоль количество слов "world", которые встречаются в файле. Текст в моем файле : читать с консоли имя файла. Файл содержит слова, разделенные знаками препинания. Вывести в консоль количество слов "world", которые встречаются в файле. Закрыть потоки."world" "wOrld" wor ld "world" */

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.io.InputStreamReader;

public class Solution {
    public static void main(String[] args) throws IOException {
        BufferedReader reader = new BufferedReader(new InputStreamReader(System.in));
        String fileName = reader.readLine();
        String path = "/Users/alexander.krivenko/Documents/java_Training/JavaRush/JavaRushTasks/2.JavaCore/src/com/javarush/task/task19/task1907/";
        reader = new BufferedReader(new FileReader(path + fileName));
        int count = 0;
        StringBuffer buffer = new StringBuffer();
        while (reader.ready()) {
            String a = reader.readLine();
            String[] words = a.split("(\\W)");
            for (int i = 0; i < words.length; i++) {
                System.out.print(words[i]+" ");
            }
        }

        reader.close();
    }
}

Комментарии (7)

популярные
новые
старые

Для того, чтобы оставить комментарий Вы должны авторизоваться

Андрей Святогоров

Уровень 38

5 апреля 2018, 17:54

как минимум, тебе не нужны скобки, "\\W", скорее всего изза этого он и криво работает, хотя в вопросе плотно не разбирался, а когда решал задачу, психанул, и запилил множество с которым сравнивал символ, если не подпадал, то использовал как регекс)))) но это костыльно, долго и заморочено было плюс сплит с таким регексом мог тебенакидать пустых строк в массиб, дебагом пройдись, хотя предположение, мне кажется из разрятда бреда, но решил поделиться.

Стас Пасинков Software Developer в Zipy

Master

5 апреля 2018, 21:32

да, тоже думаю, что пустых строк накидало. можно было попробовать так еще: \\W+ а вопроса автора я так и не понял. какое слово у него осталось и почему она (регулярка) должна была это слово удалить?

Андрей Святогоров

Уровень 38

6 апреля 2018, 09:35

world отделён кучей пробелов имеется ввиду, сам ен сразу догнал что бы это могло значить

Александр

Уровень 27

6 апреля 2018, 11:48

Ага, возможно не совсем ясно выразился . Да, у меня на выходе куча пробелов накидало и слова world остались. Вопрос - почему остались слова world? И еще один не понятный момент: Если пробел является non-character символом, то я ожидал что массив будет состоять из все слов за исключением этих non-character символов. Но я неправильно видимо понимаю...

Dima Kurilchik

Уровень 35

6 апреля 2018, 12:21

полезный

Если вопрос в том, почему остались именно слова word, то ответ заключается в использовании \W, который при split не пропускает ничего, кроме латиницы, цифр и символа подчеркивания. Как пример, с целью разделения по пробелам можно использовать \s, по пунктуационным знакам \p{Punct}. Можно также учесть возможность, когда подряд идут несколько пробелов или пунктуационных символов. Для этого используем жадный квантор +. Это собирается в следующую регулярку:

aString.split("[\\p{Punct}\\s]+");

Если нас интересуют только слова на латинице, то можно использовать \W с квантором +, как выше указал Стас Пасинков.

Александр

Уровень 27

6 апреля 2018, 16:43

Тогда еще раз уточню : а откуда тогда я на выходе получил пустые строки? Вот допустим у меня есть строка :

String a ="раз два три one";
String[] words = a.split("\\W");
            for (int i = 0; i < words.length; i++) {
                System.out.print(words[i]+"|");
            }
            System.out.println();
            System.out.println(words.length);

я в итоге получу: ||||||||||||one| . Правильно я понимаю, что split положит пустой символ ""в массив words после каждого символа кириллицы и знака пробел ? Почему он так делает ? Сплит сравнивает строку с регулярным выражением посимвольно и если оно не совпадает то пропускает его ( я так думал) . А в итоге если не совпадает то он кладет пустую строку. Так получается ? А тогда если сделать split для строки "один два три" , то как итог в массиве не будет ни чего. Тогда получается какой-то другой принцип ....Чувствую что сам себя запутал в этой теме)) Распутайте пожалуйста

Dima Kurilchik

Уровень 35

6 апреля 2018, 19:43

В документации к методу split написано следующее: The array returned by this method contains each substring of the input sequence that is terminated by another subsequence that matches this pattern or is terminated by the end of the input sequence. The substrings in the array are in the order in which they occur in the input. If this pattern does not match any subsequence of the input then the resulting array has just one element, namely the input sequence in string form. В случае подряд идущих подстрок, которые соответствуют регулярному выражению, мы получаем строки нулевой длины. А тогда если сделать split для строки "один два три" , то как итог в массиве не будет ни чего. Учитывая то, что изначальная строка "раз два три one" и используя регулярку "раз два три", то мы получим массив с длиной 2. По индексу 0 будет лежать строка нулевой длины, а по индексу 1 строка " one".