Java代码实现按照文本的自然段落进行切分

本文给出了五种自然段落的组合方式,具体形式参见底部给出的链接,无积分下载,不管各个段落形式如何,只要段落之间存在换行分隔,该程序即可正确运行。在此提供两种切分段落的方法,分别见下面的法一和法二。
法一:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.ArrayList;
import java.util.List;
/**
*
* <p>
* ClassName SplitParagraph
* </p>
* <p>
* Description 对文本按照自然段落进行切分
* </p>
*
* @author TKPad wangx89@126.com
* <p>
* Date 2015年4月25日 下午3:37:42
* </p>
* @version V1.0.0
*
*/
public class SplitParagraph {
/**
*
* <p>
* Title: getParagraph
* </p>
* <p>
* Description: 根据给出的文本路径,读取文本内容,并按照段落切分,以段落为单位,存储在List集合中
* </p>
*
* @param filePath
* @return List<String> 段落集合
* @throws IOException
*
*/
private List<String> getParagraph(String filePath, String charset) throws IOException {
List<String> res = new ArrayList<String>();
StringBuilder sb = new StringBuilder();// 拼接读取的内容
InputStreamReader isr = new InputStreamReader(new FileInputStream(filePath), charset);
BufferedReader br = new BufferedReader(isr);
String temp;
while ((temp = br.readLine()) != null) {
sb.append(temp.trim() + "\n");
}
// \s A whitespace character: [ \t\n\x0B\f\r]
String p[] = sb.toString().split("\\s*\n");
for (String string : p) {
res.add(string.replaceAll("\\s*", ""));
}
if (br != null)
br.close();
if (isr != null)
isr.close();
return res;
}
}

法二:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Iterator;
/**
*
* <p>
* ClassName GetParagraph
* </p>
* <p>
* Description 使用Java完成对一篇文本的自然段落的切分,在此给出了五种文本格式作为示例,对任一种格式,该程序均可以正确切分。
* </p>
*
* @author TKPad wangx89@126.com
* <p>
* Date 2015年2月11日 下午1:33:03
* </p>
* @version V1.0.0
*
*/
public class GetParagraph {
public static void main(String[] args) throws IOException {
ArrayList<String> res = new ArrayList<String>();// 段落切分结果
StringBuilder sb = new StringBuilder();// 拼接读取的内容
String temp = null;// 临时变量,存储sb去除空格的内容
String filePath = "C:\\Users\\TKPad\\Desktop\\test/a.txt";
BufferedReader reader = new BufferedReader(new FileReader(new File(filePath)));
int ch = 0;
while ((ch = reader.read()) != -1) {
temp = sb.toString().trim().replaceAll("\\s*", "");// 取出前后空格,之后去除中间空格
if ((char) ch == '\r') {
// 判断是否是空行
if (!"".equals(temp)) {
// 说明到了段落结尾,将其加入链表,并清空sb
res.add(temp);
}
sb.delete(0, sb.length());
} else {
// 说明没到段落结尾,将结果暂存
sb.append((char) ch);
}
}
if (reader.read() == -1) {
System.out.println("哈哈,你读到了末尾嘞!");
}
// 最后一段如果非空, 将最后一段加入,否则不处理
if (!"".equals(temp)) {
res.add(temp);
}
Iterator<String> iterator = res.iterator();
while (iterator.hasNext()) {
String next = iterator.next();
System.out.println("段落开始:");
System.out.println(next);
}
System.out.println("段落的个数是:" + res.size());
}
}

测试用例点我:http://download.csdn.net/download/shijiebei2009/8440133

坚持原创技术分享,您的支持将鼓励我继续创作!