分享
 
 
 

一个简单的英文分词程序

王朝java/jsp·作者佚名  2006-01-09
窄屏简体版  字體: |||超大  

在实验室接手的第一个任务,写一个英文分词程序,要将形如:Books in tuneBoxes are for Chinese-Children!断为:Book in tune Box are for Chinese child,也就是说要将复数转为单数,将连写的首字母大写的单词分开等等。复数转单数考虑的比较周全了应该,基本囊活了绝大多数情况。根据大写断词上考虑有些欠妥,比如NEC这样的词显然应该保留,但是这儿会被拆为三个单词。正在试图改进

/**

* 分词

*

* @param source

* 待分的字符串

* @return String[]

*/

public String[] fenci(String source) {

/* 分隔符的集合 */

String delimiters = " \t\n\r\f~!@#$%^&*()_+|`1234567890-=\\{}[]:\";'<>?,./'";

/* 根据分隔符分词 */

StringTokenizer stringTokenizer = new StringTokenizer(source,

delimiters);

Vector vector = new Vector();

/* 根据大写首字母分词 */

while (stringTokenizer.hasMoreTokens()) {

String token = stringTokenizer.nextToken();

int index = 0;

flag1: while (index < token.length()) {

flag2: while (true) {

index++;

if ((index == token.length())

|| !Character.isLowerCase(token.charAt(index))) {

break flag2;

}

}

vector.addElement(token.substring(0, index));

//System.out.println("识别出" + token.substring(0, index));

token = token.substring(index);

//System.out.println("剩余" + token);

index = 0;

continue flag1;

}

}

/*

* 复数转单数 参考以下文档:

* http://ftp.haie.edu.cn/Resource/GZ/GZYY/DCYFWF/NJSYYY/421b0061ZW_0015.htm

*/

for (int i = 0; i < vector.size(); i++) {

String token = (String) vector.elementAt(i);

if (token.equalsIgnoreCase("feet")) {

token = "foot";

} else if (token.equalsIgnoreCase("geese")) {

token = "goose";

} else if (token.equalsIgnoreCase("lice")) {

token = "louse";

} else if (token.equalsIgnoreCase("mice")) {

token = "mouse";

} else if (token.equalsIgnoreCase("teeth")) {

token = "tooth";

} else if (token.equalsIgnoreCase("oxen")) {

token = "ox";

} else if (token.equalsIgnoreCase("children")) {

token = "child";

} else if (token.endsWith("men")) {

token = token.substring(0, token.length() - 3) + "man";

} else if (token.endsWith("ies")) {

token = token.substring(0, token.length() - 3) + "y";

} else if (token.endsWith("ves")) {

if (token.equalsIgnoreCase("knives")

|| token.equalsIgnoreCase("wives")

|| token.equalsIgnoreCase("lives")) {

token = token.substring(0, token.length() - 3) + "fe";

} else {

token = token.substring(0, token.length() - 3) + "f";

}

} else if (token.endsWith("oes") || token.endsWith("ches")

|| token.endsWith("shes") || token.endsWith("ses")

|| token.endsWith("xes")) {

token = token.substring(0, token.length() - 2);

} else if (token.endsWith("s")) {

token = token.substring(0, token.length() - 1);

}

/* 处理完毕 */

vector.setElementAt(token, i);

}

/* 转为数组形式 */

String[] array = new String[vector.size()];

Enumeration enumeration = vector.elements();

int index = 0;

while (enumeration.hasMoreElements()) {

array[index] = (String) enumeration.nextElement();

index++;

}

/* 打印显示 */

for (int i = 0; i < array.length; i++) {

System.out.println(array[i]);

}

/* 返回 */

return array;

}

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
 
>>返回首頁<<
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有