介绍

在英文文本处理时，需要将噪音字符出去，其中标点符号便属于噪音字符。在我的这篇博客中，https://blog.csdn.net/qy20115549/article/details/83869689 介绍了使用stanford-corenlp实现分词、词形还原的操作。其分词结果，标点符号也成了独立的字符串，剩下的工作便是对分词后获得的字符串集合进行逐个判断(即判断是否为标点符号，是否为停用词、是否为URL字符等)。
在我的这篇博客中https://blog.csdn.net/qy20115549/article/details/80684455，也已经介绍了停用词的处理。

java判断是否为标点符号

如下，为java操作程序：


import java.util.regex.Matcher;
import java.util.regex.Pattern;public class Test1 {public static void main(String[] args) {String c1 = "￥";System.out.println("￥是否为标点符号:" + isPunctuation(c1));String c2 = "we-are";System.out.println("we-are是否为标点符号:" + isPunctuation(c2));}//判断是否为标点符号public static boolean isPunctuation(String str)  {String regEx = "[`~☆★!@#$%^&*()+=|{}':;,\\[\\]》·.<>/?~！@#￥%……（）——+|{}【】‘；：”“’。，、？]";Pattern p = Pattern.compile(regEx);Matcher m = p.matcher(str);//如果长度为1且能匹配正则表达式if (str.length() == 1 && m.matches()) {return true;}else {return false;}}
}

执行该程序，在控制台的输出结果为：

Java 处理英文文本标点符号去除相关推荐

用java统计英文文本的单词个数_统计文本英文单词总个数，并列出每个单词的个数...
package test; /* * Task :统计文本英文单词总个数,并列出每个单词的个数 * * Date:2014.02.26 * *Author:璀若星辰 * */ import java. ...
python 文本处理保留中英文和标点符号_问一下处理英文文本
该楼层疑似违规已被系统折叠隐藏此楼查看此楼输入一段英文文本,统计出现频率最高的前10个单词(除去of.a.the.and.be.to等无意义词语).提示:在统计单词出现频率之前,需要先进行预处理解 ...
算法：去除英文文本中重复单词
要求: 假设有一段英文文本,其中有重复的单词,要求去除重复单词,只保留一个,例如"hello world hello python",程序输出为"hello world ...
Java英汉翻译程序_java实现简单的英文文本单词翻译器功能示例
本文实例讲述了java实现简单的英文文本单词翻译器功能.分享给大家供大家参考,具体如下: 直接上代码: package fanyi; import java.io.bufferedreader; im ...
java编写翻译字典数据库_java实现简单的英文文本单词翻译器功能示例
本文实例讲述了java实现简单的英文文本单词翻译器功能.分享给大家供大家参考,具体如下: 直接上代码: package fanyi; import java.io.BufferedReader; im ...
JAVA小练习之英文文本词频统计（三）
写在开头:本次的小练习主要会运用一些字典的排序,由于对JAVA不是很熟悉,所以有的地方会不太能够解读,搜索了部分网上的资料. 英文文本词频统计任务目标:统计英文文本中出现频率最高的5个单词,需要处理 ...
java 简单的英文文本单词翻译器
直接上代码: package fanyi;import java.io.BufferedReader; import java.io.File; import java.io.FileInputStr ...
java实现单词_java实现简单的英文文本单词翻译器功能示例
导读热词本文实例讲述了java实现简单的英文文本单词翻译器功能.分享给大家供大家参考,具体如下: 直接上代码: package fanyi; import java.io.BufferedReade ...
【java】统计英文文本中某些字母出现的次数
如何统计英文文本中某些字母出现的次数 public class Java_3 {public static void main(String[] args) {String text = " ...
java实现英文转摩尔斯电码传输（一）
java实现英文转摩尔斯电码传输(一) 摩尔斯电码简介: 摩尔斯电码(Morse code)也被称作摩斯密码,是一种时通时断的信号代码,通过不同的排列顺序来表达不同的英文字母.数字和标点符号.它发明于 ...

Java 处理英文文本标点符号去除

文章目录

介绍

java判断是否为标点符号

Java 处理英文文本标点符号去除相关推荐

最新文章

热门文章