本文作者：合肥工業大學 管理學院 錢洋 email：[email protected] 內容可能有不到之處，歡迎交流。

未經本人允許禁止轉載。

文章目錄

• 介紹
• java判斷是否為標點符號

介紹

在英文文字處理時，需要將噪音字元出去，其中標點符號便屬於噪音字元。在我的這篇部落格中，https://blog.csdn.net/qy20115549/article/details/83869689 介紹了使用stanford-corenlp實現分詞、詞形還原的操作。其分詞結果，標點符號也成了獨立的字串，剩下的工作便是對分詞後獲得的字串集合進行逐個判斷(即判斷是否為標點符號，是否為停用詞、是否為URL字元等)。
在我的這篇部落格中https://blog.csdn.net/qy20115549/article/details/80684455，也已經介紹了停用詞的處理。

java判斷是否為標點符號

如下，為java操作程式：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Test1 {

	public static void main(String[] args) {
		String c1 = "￥";
		System.out.println("￥是否為標點符號:" + isPunctuation(c1));
		String c2 = "we-are";
		System.out.println("we-are是否為標點符號:"
 
 + isPunctuation(c2));

	}
	//判斷是否為標點符號
	public static boolean isPunctuation(String str)  {
		String regEx = "[`~☆★[email protected]#$%^&*()+=|{}':;,\\[\\]》·.<>/?~！@#￥%……（）——+|{}【】‘；：”“’。，、？]";
		Pattern p = Pattern.compile(regEx);
		Matcher m = p.matcher(str);
		//如果長度為1且能匹配正則表示式
		if (str.
 
length() == 1 && m.matches()) {
			return true;
		}else {
			return false;
		}
	}
}

執行該程式，在控制檯的輸出結果為：