如何摆脱这些空串？

Question

我的构造函数获取文本文件的文件名，并将其转换为小写的所有单词的ArrayList，没有标点符号或空格。这些规格以及构造函数的参数都是由我的家庭作业指定的，所以不要建议我改变它们。

private ArrayList<String> list; 

public Tokenizer(String file) throws IOException { 
    list = new ArrayList<>(); 
    String thisLine; 
    BufferedReader br = new BufferedReader(new FileReader(file)); 

    while ((thisLine = br.readLine()) != null) 
     list.addAll(Arrays.asList(thisLine.replaceAll("\\p{Punct}+"," ").toLowerCase().split("\\s+"))); 
} 

我的问题是，有很多空的字符串出现。我试过在“split”中使用“-1”作为第二个参数，但它似乎没有做任何事情。

我的另一个问题是如果它效率低下做Arrays.asList，或者如果我应该只是创建一个迭代器，再加上如果你认为我做了其他任何错误。例如，是否有另一种方法来输入文件名到BufferedReader？

感谢

编辑1：

下面是测试我使用的在线图书（它是一个文本文件，有没有与文本文件的问题）我在古登堡计划中。使用我个人创建的文本文件时，我也会得到类似的结果，所以不要认为它是文本文件本身的问题。

其实，我只是复制了我的整个代码，因为它很简单：

import java.io.BufferedReader; 
import java.io.FileReader; 
import java.io.IOException; 
import java.util.*; 

public class Tokenizer { 
    private ArrayList<String> list; 

    public Tokenizer(String file) throws IOException { 
     list = new ArrayList<>(); 
     String thisLine; 
     BufferedReader br = new BufferedReader(new FileReader(file)); 

     while ((thisLine = br.readLine()) != null) 
      list.addAll(Arrays.asList(thisLine.replaceAll("\\p{Punct}+"," ").toLowerCase().trim().split("\\s+"))); 
    } 

    public ArrayList<String> wordList() { 
     return list; 
    } 

    public static void main(String[] args) throws IOException { 
     Tokenizer T = new Tokenizer("C:\\...\\1898amongmyb00loweuoft_djvu.txt"); 

     ArrayList<String> array = T.wordList(); 

     for(int i = 0; i < 20; i++) { 
      System.out.println(array.get(i)); 
     } 
    } 
} 

这里是我的输出：

i 
9 



digitized 
by 
the 
internet 
archive 

in 
2007 
with 
funding 
from 

microsoft 
corporation 

没有，那些空线都没有空格。他们是空的字符串。如在“”中。我希望我尽可能清楚。

由于它可能会导致混淆，没有那不是我用于文件的路径名称的实际参数。省略号（“...”）只是简写，所以我不必将我的电脑目录透露给互联网。

另外，是的，最后还有一个空的字符串，但这个网站的界面不会让我把它放在那里。

编辑2：

我总是忘记东西，这里是文本文件的前几行：

我9

通过互联网档案馆

于2007年，资金数字化的from

Microsoft Corporation

http://www.archive.org/details/1898amongmyb00loweuoft

James Ettsscll Lotocll。

完整的诗歌和作品。 Riverside Edition，n vols，皇冠8vo，镀金上衣，每款1.50美元;该集合， $ 1 6. 50.

1-4。文学散文（包括我的学习窗口，其中 我的书，炉边旅行）; 5.政治散文; 6.文学 和政治地址; 7。最新的文学论文和广告 - 旧英国戏剧家; 8-1 1.诗歌。

PROSE WORKS。河滨版。与肖像。 7卷， 皇冠8vo，镀金顶部，$ 10.50。

POEMS。河滨版。与肖像。 4卷，皇冠 8vo，镀金顶部，6.00美元。

完整的艺术作品。剑桥版。 从不透明纸上的透明类型印刷，并吸引力 界限。用肖像和雕刻的标题页，以及一个 洛厄尔家的小插图，Elmwood。大冠8vo，$ 2.00。 家庭版。与肖像和插图。皇冠 8vo，$ 1.50。

内阁版。 i8

我想我现在看到了这个问题。空字符串对应于空行。

编辑3：

所以我最终回答了我自己的问题。我结束了这样做：

while ((thisLine = br.readLine()) != null) { 
     ArrayList<String> newList = new ArrayList(Arrays.asList(thisLine.replaceAll("\\p{Punct}+"," ").toLowerCase().split("\\s+"))); 
     while(newList.remove(""));  
     list.addAll(newList); 
    } 

我没有尝试使用if语句，但然后你比较分裂前的行。这可能会产生问题，因为拆分可能会产生一些空行，然后您会错过。因此，我列出了我要添加到主列表中的列表，但在添加之前，我只是通过它并删除了所有空字符串的实例。

我真的不知道这是否是最有效的做事方式......如果它不让我知道！

Answer 1

您的问题很可能是您的thisLine从文件读取的开头或结尾有空格。对于文本文档来说，这种行是非常常见的。因此，如果您在\s+上调用拆分，并且该行以空格结束，则最后一项将是空字符串。

为了解决这个问题，我建议在分割之前在你的字符串中添加一个trim。

使用你的代码将其更改为：

list.addAll(Arrays.asList(thisLine.replaceAll("\\p{Punct}+"," ").toLowerCase().trim().split("\\s+"))); 

试一下，看看它是否没有摆脱大多数，如果不是所有的空字符串的。另外，您应该考虑将此声明分解为多个操作，以便阅读。

Answer 2

怎么样和更换while ((thisLine = br.readLine()) != null) list.addAll(Arrays.asList(thisLine.replaceAll("\\p{Punct}+"," ").toLowerCase().trim().split("\\s+")));

：while ((thisLine = br.readLine()) != null) if (thisLine.length() > 0) list.addAll(Arrays.asList(thisLine.replaceAll("\\p{Punct}+", " ").toLowerCase().trim().split("\\s+")));