如何不计算文本文件中的控制字符

Question

我无法理解如何不计算文本文件中的控制字符。除了跳过控制字符\n \r，我的程序什么都做： 文件内容：好的，经过进一步的尝试，我离得更近了。如果我改变：

 while (input.hasNext()) { 
          String line = input.nextLine();
          lineCount++;
          wordCount += countWords(line);
          charcount += line.length(); 
 to
 while (input.hasNext()) {
          String line = input.next();
          lineCount++;
          wordCount += countWords(line);
          charCount += line.replace("\n", "").replace("\r", "").length();

字符被计算在内，但它弄乱了线条。如果我添加 input.nextLine 它会弄乱字符。 文本文件的内容：
猫
伤心的狗
狗摇摆

import java.io.*;
import java.util.*;

public class Character_count {

 public static void main(String args[]) throws Exception {

     java.io.File file = new java.io.File("textFile.txt");

        // Create a Scanner for the file
        Scanner input = new Scanner(file);
        int charcount = 0;
        int wordCount = 0;
        int lineCount = 0;

        while (input.hasNext()) {
          String line = input.nextLine();
          lineCount++;
          wordCount += countWords(line);
          charcount += line.length();
        }


        System.out.println("The file " + file + " has ");
        System.out.println(charcount + " characters");
        System.out.println(wordCount + " words");
        System.out.println(lineCount + " lines");

        }

    private static int countWords(String s) {
        Scanner input = new Scanner(s);
            int count = 0;

        while (input.hasNext()) {
            input.next(); 
        count++;
        }
        return count;

  }
}

Answer 1

您可以像这样用空字符串替换所有\n 和\r：

line = line.replaceAll("\\r?\\n", "")

现在您可以进行计数，它不会考虑任何\n 或\r。

您也可以这样做（不使用正则表达式）：

line = line.replace("\n", "").replace("\r", "")

Answer 2

您可以使用Scanner 方法通过useDelimiter 方法实现这一目标：

Scanner input = new Scanner(new File("textFile.txt"));
input.useDelimiter("\r\n");

然后像往常一样继续你的代码，应该可以工作。

另外（并且非常重要）如果您检查hasNext()，则使用next()，如果您检查hasNextLine()，请使用nextLine()！不要混搭，因为这会导致（或已经导致）问题。

Answer 3

您好，您应该在表示空格的正则表达式中使用“\s”

\s 代表“空白字符”。同样，这实际上包括哪些字符，取决于正则表达式的风格。在本教程中讨论的所有风格中，它都包括 [ \t\r\n\f]。即：\s 匹配空格、制表符、换行符或换页符。(http://www.regular-expressions.info/shorthand.html)

所以这里你如何使用它

Scanner scanner = new Scanner(path.toFile(),"UTF-8");
    String content = scanner.useDelimiter("\\A").next();
    System.out.println(content);

    Pattern patternLine = Pattern.compile("\\r?\\n");
    Matcher matcherLine = patternLine.matcher(content);
    int numberLines = 1;
    while (matcherLine.find())
        numberLines++;


    Pattern pattern = Pattern.compile("\\s");
    Matcher matcherEliminateWhiteSpace = pattern.matcher(content);
    String contentWithoutWhiteSpace=matcherEliminateWhiteSpace.replaceAll("");


    // it will count only ASCII Charachter a->z A->Z 0->9 _'underscore'
    Pattern patternCharachter=Pattern.compile("\\w");
    Matcher matcherCharachterAscii= patternCharachter.matcher(contentWithoutWhiteSpace);


    int numberCharachtersAscii = 0;
    while (matcherCharachterAscii.find())
        numberCharachtersAscii++;
    //it will count UTF-8 charachters it will count all charachter no matter what script it is like français عربي and punctuation
Pattern patternUniversal= Pattern.compile(".");
    Matcher matcherUniversal= patternUniversal.matcher(contentWithoutWhiteSpace);
    int numberUniversalCharachter=0;
    while(matcherUniversal.find())
    numberUniversalCharachter++;
    System.out
            .println("******************************************************");
    System.out.println(contentWithoutWhiteSpace);
    System.out.println(numberLines);
    System.out.println(numberCharachtersAscii);
    System.out.println(numberUniversalCharachter);

• 编辑

这是一个简单的修改，可以让它工作

        while (scanner.hasNext()) {
          String line = scanner.nextLine();
          lineCount++;
          wordCount += countWords(line);
          charcount += word.replaceAll("\\s", "").length();
          System.out.println(charcount);
          i++;
    }

\\s 代表空格[tab cariagReturn lineFeed space formFeed]