不使用 split() 在 Java 中标记字符串

Question

我正在尝试编写一种方法来将字符串标记为其各自的单词到一个数组中。我已经用 split 方法测试了我的程序，它工作正常，但我正在尝试编写一个不使用 split 的标记化方法。这是我迄今为止尝试过的：

public static String[] tokenize(String sentence) {
int wordCount = countWords(sentence);
String[] sentenceWords = new String[wordCount];
int curWord = 0;
char letter;

for(int i = 0; i < sentence.length()-1; i++) {
letter = sentence.charAt(i);
if (letter == ' ') {
  curWord++;
  continue;
}
System.out.println (sentenceWords[curWord]);
sentenceWords[curWord] = String.format("%s%c", sentenceWords[curWord], letter);
System.out.printf("%s\n", sentenceWords[curWord]);
}
return sentenceWords;
}

此方法的输出完全错误。我得到了一个充满一堆空值的输出，每个单词都在一个新行上。

我也尝试了另一种变体，但没有走得太远：

public static String[] tokenize(String sentence) {
int wordCount = countWords(sentence);
String[] sentenceWords = new String[wordCount];
for(int i = 0; i < sentence.length()-1; i++) {
if(sentence.contains(" ")) {
//Something.....
}
}
return sentenceWords;
}

我不确定正确的方法是什么。

Answer 1

如果您想要做的是拆分每个单词并将其存储在一个数组中，这可能会有所帮助。

public static String[] tokenize(String sentence) 
{
    int wordCount = countWords(sentence);
    String[] wordArr = new String[wordCount];
    int wordCounter = 0;

    for(int i = 0; i < sentence.length(); i++)
    {
        if(sentence.charAt(i) == ' ' || i == sentence.length() - 1)
        {
            wordCounter++;

        }
        else
        {
            if(wordArr[wordCounter] == null)
            {
                wordArr[wordCounter] = "";
            }
            wordArr[wordCounter] += sentence.charAt(i);
        }

    }

    return wordArr;

}

这与您所拥有的类似，但它在添加每个字符之前初始化数组中的每个单词，这解释了为什么输出 null。

这也不会只保存单词的空格，也不会考虑标点符号。希望这会有所帮助！