在 Java 中自定义字符串数组的解析

Question

我有一个这样的字符串数组（来自 Twitter）：

String str= "The Green New Deal is viable. It is the same vision that FDR had for his New Deal programs: nationwide mobilization http://94739 #thegreendeal #nationwide"

我想要的是 1) 将此字符串转换为数组 2) 删除停用词并包括词干 3) 删除除表示术语是主题标签的“#”之外的所有字符。

所以我尝试使用这个很酷的库https://github.com/uttesh/exude，它可以进行词干提取和删除停用词，以及小写和删除字符。问题是这会删除主题标签。 代码：

String tweetString = ExudeData.getInstance().filterStoppingsKeepDuplicates(str);

我也试过这个：

String[] wordArray = str.replaceAll("[^a-zA-Z ]", "").toLowerCase().split("\\s+");

但这也会删除主题标签。使用任何一种方法来保留主题标签的任何解决方法？ （我更愿意为此保留 exude 库）

Answer 1

使用正则表达式的方法，您可以尝试在不应删除的字符列表中添加#，如下所示：

        String[] wordArray = str.replaceAll("[^a-zA-Z #]", "").toLowerCase().split("\\s+");