4

Necesito extraer (n) palabras de un texto en Java para Android, de su inicio hasta el número de palabras que se le indique, las palabras están separadas obviamente por espacios:

Pero que tenga en cuenta:

  • que elimine los espacios sobrantes del final de la cadena, es decir si acaba con espacio lo elimine
  • Para asegurar que se corta bien el texto, si acaba con un signo de puntuación diferente a .?! como por ejemplo & ; : , lo sustituya por el punto.

por ejemplo si se decide cortar n palabras y su terminación es pulvinar & debe ser pulvinar.

Mi banco de pruebas:

El array strI es la entrada de texto y la strO es lo que debería devolver correctamente, si se especifica cortar a 3 palabras.

import java.util.*;
import java.util.regex.*;

public class Test {

    public static void main(String[] args) {

        String[] strI = new String[16];
        String[] strO = new String[16];

        strI[0] = "Lorem ipsum dolor.";
        strO[0] = "Lorem ipsum dolor.";

        strI[1] = "Lorem ipsum dolor, amet.";    
        strO[1] = "Lorem ipsum dolor.";

        strI[2] = "Lorem ipsum dolor: amet.";    
        strO[2] = "Lorem ipsum dolor.";

        strI[3] = "Lorem ipsum dolor; amet.";    
        strO[3] = "Lorem ipsum dolor.";

        strI[4] = "Lorem ipsum dolor! amet.";
        strO[4] = "Lorem ipsum dolor!";

        strI[5] = "Lorem ipsum dolor? amet.";
        strO[5] = "Lorem ipsum dolor?";

        strI[6] = "Lorem ipsum dolor3 amet.";
        strO[6] = "Lorem ipsum dolor3.";

        strI[7] = "Lorem: ipsum & dolor, amet.";
        strO[7] = "Lorem: ipsum.";

        strI[8] = "Lorem: ipsum , dolor, amet.";
        strO[8] = "Lorem: ipsum.";

        strI[9] = "Lorem: ipsum . dolor, amet.";
        strO[9] = "Lorem: ipsum.";

        strI[10] = "Lorem ipsum : dolor, amet.";
        strO[10] = "Lorem ipsum.";

        strI[11] = "Lorem: ipsum ; dolor, amet.";
        strO[11] = "Lorem: ipsum.";

        strI[12] = "Lorem ipsum ? dolor, amet.";
        strO[12] = "Lorem ipsum?";

        strI[13] = "Lorem ipsum ! dolor? amet.";
        strO[13] = "Lorem ipsum!";

        strI[14] = "Lorem ipsum dolor .";
        strO[14] = "Lorem ipsum dolor.";

        strI[15] = "Lorem ipsum";
        strO[15] = "Lorem ipsum.";

        System.out.println(strI[0]);

        for (int i=0; i < strI.length;++i) {

            String outResult = getWords(strI[i],3);
            String flagResult = "F";

            if (outResult.equals(strO[i])) flagResult = "T";

            if (flagResult.equals("T")) {
               System.out.println(flagResult + "[" + outResult + "]");
            } else {
               System.out.println(flagResult + "[" + outResult + "] In/out:" + strI[i] + " =>" + strO[i]);
            }
        }


    }

    public static String getWords(String str, int num) {
        String[] words = str.split(" ");
        int total = words.length;
        if (num<0) num = 0;
        if (num>total) num = total;

        String out ="";
        int i;
        for (i=0;i<num-1;++i) {
            out +=  (i==0)? words[i]: " " + words[i];
        }

        //String endChar = words[i].substring(words[i].length() - 1); 

        String endWord = words[i];

        endWord = endWord.replace(".", "");
        endWord = endWord.replace(",", "");
        endWord = endWord.replace(";", "");
        endWord = endWord.replace(":", "");
        endWord = endWord.replace("&", "");

        endWord = endWord.trim() + ".";

        out += " " +  endWord;
        //System.out.println("endChar[" + endChar + "]");
        //comprar la última palabra como termina
        //out += " " + word[i]

        return out.trim();
    }

}

Resultados T = true y F = false

T[Lorem ipsum dolor.]
T[Lorem ipsum dolor.]
T[Lorem ipsum dolor.]
T[Lorem ipsum dolor.]
F[Lorem ipsum dolor!.]
F[Lorem ipsum dolor?.]
T[Lorem ipsum dolor3.]
F[Lorem: ipsum .]
F[Lorem: ipsum .]
F[Lorem: ipsum .]
F[Lorem ipsum .]
F[Lorem: ipsum .]
F[Lorem ipsum ?.]
F[Lorem ipsum !.]
T[Lorem ipsum dolor.]
T[Lorem ipsum.]
4
  • 6
    Necesito extraer (X) palabras de un texto en Java para Android ¿las palabras están separadas por espacios unicamente? ¿o incluye simbolos de puntuacion?, ¿puedes agregar algunos ejemplos de la entrada? Commented el 14 jun. 2016 a las 12:53
  • 1
    Puedes aclarar un poco tu pregunta? Necesitas obtener las palabras o el numero de ellas? X es un parámetro de entrada?
    – hcarrasko
    Commented el 14 jun. 2016 a las 13:20
  • 1
    me parece que quizo decir, "obtener "n" palabras dentro de un Texto en Java."
    – Jorgesys
    Commented el 14 jun. 2016 a las 15:01
  • Perdonand, por la mañana con prisas no he podido formular bien la pregunta, @Elenasys si quiero referirme más bien a (n) palabras ^_^
    – Codelaby
    Commented el 14 jun. 2016 a las 16:49

4 respuestas 4

2

el problema eran principalmente dos, el primero que se añadía punto final a cualquier sentencia, y no omitías aquellas en las que no se debía poner (como cuando terminaba en ".", "?" o "!".

El segundo problema era que se añadía un espacio siempre antes de "endWord", esto era un problema cuando estaban pro ejemplo "Lorem ipsum ? dolor, amet. ya que al separarlas por espacio en cadenas, el símbolo "?" se tomaba como una palabra sola, y antes de añadirla a la cadena final se agregaba un espacio antes. Esto se arregla condicionando que se agregue el espacio solo cuando se tenga más de un caracter. Te dejo el código ya modificado y funcionando (al menos con tus ejemplos)

 public static String getWords(String str, int num) {
        String[] words = str.split(" ");
        System.out.println("------------------------------------" + words[0]);
        int total = words.length;
        if (num<0) num = 0;
        if (num>total) num = total;

        String out ="";
        int i;
        for (i=0;i<num-1;++i) {
            out +=  (i==0)? words[i]: " " + words[i];
        }

        //String endChar = words[i].substring(words[i].length() - 1); 

        String endWord = words[i];

        endWord = endWord.replace(".", "");
        endWord = endWord.replace(",", "");
        endWord = endWord.replace(";", "");
        endWord = endWord.replace(":", "");
        endWord = endWord.replace("&", "");

        endWord = endWord.trim();
        /* con este if solo se pone el punto al final si no es alguno de los simbolos que 
         * no se deben reemplazar
         */
        if (!endWord.endsWith(".") && !endWord.endsWith("?") && !endWord.endsWith("!") ) {
            endWord += ".";
        } 
        words[i-1] = words[i-1].trim();
        //solo se añade el esapcio antes del punto si no es un simbolo unico
        if (endWord.length() <= 1) {
            out += endWord;
        } else {
            out += " " +  endWord;
        }

        //System.out.println("endChar[" + endChar + "]");
        //comprar la última palabra como termina
        //out += " " + word[i]

        return out.trim();
    }
1
  • 1
    Sip perfecto, funciona bien en todos los ejemplos, lo doy por buena, si alguien tiene mejor optimización etc... que exponga su respuesta
    – Codelaby
    Commented el 14 jun. 2016 a las 20:06
1

Mi propia solución, se puede optimizar usando expresiones regulares...

public static String getWords(String str, int num) {
    String[] words = str.split(" ");
    int total = words.length;
    if (num<0) num = 0;
    if (num>total) num = total;

    String out ="";
    int i;
    for (i=0;i<num-1;++i) {
        out +=  (i==0)? words[i]: " " + words[i];
    }

    String endWord = words[i];
    String endChar = endWord.substring(endWord.length() - 1); 

    //System.out.println("endChar[" + endChar + "]");

    if (endChar.equals(".")) endChar = "";
    if (endChar.equals(",")) endChar = "";
    if (endChar.equals(";")) endChar = "";
    if (endChar.equals(":")) endChar = "";
    if (endChar.equals("&")) endChar = "";

    if ((!endChar.equals("?")) && (!endChar.equals("!"))) endChar += ".";

    //System.out.println("endChar[" + endChar + "]");
    endWord = endWord.substring(0,endWord.length() - 1)  + endChar; 
    endWord = endWord.trim();

    String spaces = (endWord.length()>1)? " ":"";
    endWord =  spaces + endWord;
    out += endWord;


    return out.trim();
}
1
  • 2
    Que bien se volvío a abrir esta pregunta!
    – Jorgesys
    Commented el 14 jun. 2016 a las 20:12
1

He aquí una solución utilizando expresiones regulares:

public static String getWords(String str, int num) {
    String[] array = str.split("\\s+");
    int n = array.length < num ? array.length : num;
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < n; i++) {
        if (i > 0) {
            sb.append(' ');
        }
        sb.append(array[i]);
    }
    String result = sb.toString();
    result = result.replaceAll("(?<=[A-Za-z0-9])\\s*[&,.:;]*$", ".");
    result = result.replaceAll("\\s*([?!])$", "$1");
    return result;
}
0

¿Las palabras son aleatorias?

String[] palabras = formatear(palabrasAleatorias(5));

Este método obtiene x palabras de un texto.

public String[] palabrasAleatorias(int cantidad) {
    final String DELIMITADOR = " ";
    final List<String> palabras = new ArrayList<>();

    String[] todasPalabras = texto.split(DELIMITADOR);

    for(int i=1; i<=cantidad; i++) {
        palabras.add(todasPalabras[Math.floor(Math.random() * todasPalabras.length)];
    }
    return palabras;
}

Y este método formatea las palabras obtenidas reemplazando cualquier signo de puntuación que encuentre al final.

public String[] formatear(String[] palabras) {
    List<String> signos = new ArrayList<>();
    Collections.addAll(signos, ",", ";", ":");
    final List<String> formateadas = new ArrayList<>();
    for(String palabra : palabras) {
        palabra = palabra.trim();
        char signo = palabra.charAt(palabra.length() - 1);
        if(signos.contains(String.valueOf(signo))) {
            palabra = palabra.substring(0, palabra.length() - 1) + ".";
            formateadas.add(palabra);
        }
    }
    return formateadas.toArray(new String[]{});
}

El método String#trim() Elimina los espacios a los lados del texto. Luego solo compara si el último caracter del texto existe en la lista signos; si es así entonces lo reemplaza con un punto.

1
  • Acabo de añadir más datos a la pregunta, el número de palabras es de inicio del texto hacia n palabras adelante
    – Codelaby
    Commented el 14 jun. 2016 a las 16:48

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.