go基础库之将字符串分解为单词

将字符串分解为单词

Golang 版本

1.12.1

前言

将字符串分解为单词可能很棘手。首先，确定单词是什么，以及分隔符是什么，以及是否有任何空格或任何其他字符。做出这些决定后，你可以从strings包中选择适当的功能。

实现

1. 创建文件 whitespace.go ，代码如下：

   package main
   
   import (
   	"fmt"
   	"strings"
   )
   
   const refString = "Mary had a little lamb"
   
   func main() {
   
   	words := strings.Fields(refString)
   	for idx, word := range words {
   		fmt.Printf("Word %d is: %s\n", idx, word)
   	}
   
   }
   

   $ go run whitespace.go
   单词 0 是: Mary
   单词 1 是: had
   单词 2 是: a
   单词 3 是: little
   单词 4 是: lamb
   

2. 创建文件 anyother.go ，代码如下：

   package main
   
   import (
   	"fmt"
   	"strings"
   )
   
   const refString = "Mary_had a little_lamb"
   
   func main() {
   
   	words := strings.Split(refString, "_")
   	for idx, word := range words {
   		fmt.Printf("单词 %d 是: %s\n", idx, word)
   	}
   
   }
   

   $ go run anyother.go
   单词 0 是: Mary
   单词 1 是: had a little
   单词 2 是: lamb
   

3. 创建文件 specfunction.go ，代码如下：

   package main
   
   import (
   	"fmt"
   	"strings"
   )
   
   const refString = "Mary*had,a%little_lamb"
   
   func main() {
   
   	// 为字符串中的每个符文调用splitFunc。如果符文等于“*％,_”中的任何字符，则拆分refString
   	splitFunc := func(r rune) bool {
   		return strings.ContainsRune("*%,_", r)
   	}
   
   	words := strings.FieldsFunc(refString, splitFunc)
   	for idx, word := range words {
   		fmt.Printf("单词 %d 是: %s\n", idx, word)
   	}
   
   }
   

   $ go run specfunction.go
   单词 0 是: Mary
   单词 1 是: had
   单词 2 是: a
   单词 3 是: little
   单词 4 是: lamb
   

4. 创建文件 regex.go ，代码如下：

   package main
   
   import (
   "fmt"
   "regexp"
   )
   
   const refString = "Mary*had,a%little_lamb"
   
   func main() {
   
   	words := regexp.MustCompile("[*,%_]{1}").Split(refString, -1)
   	for idx, word := range words {
   		fmt.Printf("单词 %d 是: %s\n", idx, word)
   	}
   
   }
   

   $ go run regex.go
   单词 0 是: Mary
   单词 1 是: had
   单词 2 是: a
   单词 3 是: little
   单词 4 是: lamb
   

原理

将字符串分割成单词的最简单形式是将任何空格作为分隔符。其中空格由 unicode 包中的 IsSpace 函数定义:

‘\t’, ‘\n’, ‘\v’, ‘\f’, ‘\r’, ‘ ‘, U+0085 (NEL), U+00A0 (NBSP).

如前所述， string 包的 Fields 函数可用于空格字符分割句子。步骤1涵盖了第一个简单的案例。

如果需要其他分隔符，则使用 Split 函数。在步骤2中讨论了用另一个分隔符进行分割。请注意，字符串中的空格被省略了。

如果需要一个更复杂的函数来决定是否在给定的位置拆分字符串， FieldsFunc 可以为你提供帮助。该函数的一个参数是使用给定字符串的符文并返回 true (如果该字符串在该点应该分割)的函数。这个选项包含在步骤3中。

正则表达式是示例中提到的最后一个选项。 Regexp 包的 Regexp 结构体包含 Split 方法，其工作方式与您所期望的一样。它将字符串分割到匹配组的位置。此方法在步骤4中使用。

延伸

该 strings 包还提供各种 SplitXXX 功能，可以帮助你实现更具体的任务。