用于计算句子中单词数的正则表达式

public static int getWordCount(String sentence) {
    return sentence.split("(([a-zA-Z0-9]([-][_])*[a-zA-Z0-9])+)", -1).length
         + sentence.replaceAll("([[a-z][A-Z][0-9][\\W][-][_]]*)", "").length() - 1;
}

我的目的是计算句子中的单词数。该函数的输入是长句子。它可能有 255 个单词。

1. 该单词之间应使用连字符或下划线
2. 函数应该只计算有效单词意味着特殊字符不应该计算在内，例如。 &&&& 或 #### 不应算作一个单词。

上面的正则表达式工作正常，但是当连字符或下划线出现在单词之间时，例如：合作，返回的计数为 2，它应该是 1。有人可以帮忙吗？

而不是使用.split and .replaceAll这是相当昂贵的操作，请使用内存使用量恒定的方法。

根据您的规格，您似乎正在寻找以下正则表达式：

[\w-]+

接下来你可以使用这种方法 https://stackoverflow.com/a/7378472/67579计算匹配的数量：

public static int getWordCount(String sentence) {
    Pattern pattern = Pattern.compile("[\\w-]+");
    Matcher  matcher = pattern.matcher(sentence);
    int count = 0;
    while (matcher.find())
        count++;
    return count;
}

online jDoodle demo http://jdoodle.com/a/pe.

这种方法适用于（更多）常量内存：分割时，程序构造一个数组，这基本上是无用的，因为您从不检查数组的内容。

如果您不希望单词以连字符开头或结尾，可以使用以下正则表达式：

\w+([-]\w+)*