Matcher matcht nicht

[HPL]

Ich habe ein Programm mit zwei Klassen.

Dies ist die Klasse mit der Mainmethode, es wird hier ein Textdokument eingelesen.

import java.io.*;

public class NGramMain{

	/**
	 * @param args
	 */
	public static void main (String[] args) {
		
		String lines = "";
		
		BufferedReader br = null;
		try{
			br = new BufferedReader(new FileReader("C:\\ ...\\meinText.txt"));
			
			String line = br.readLine();
			
			while(line != null){
			
				lines += line;
				line = br.readLine();}
			
			br.close();
			}catch(IOException e){e.printStackTrace();}
		
		
		NGram ng = new NGram(args[0], lines);
        ng.yield();
		
	}
}

Die yield-Methode ist in der anderen Klasse:

import java.lang.System;
import java.util.regex.*;
import java.util.ArrayList;

public class NGram {

	private String NUM, text;
	
	public NGram(String NUM, String text){
		this.NUM = NUM;
		this.text = text;
	}
	
	
	public int getNUM(){ int i = Integer.parseInt(this.NUM);
	                     return i;   }
	
	
	public String gettext(){ 
		                 return this.text; }
	
	
	public void yield(){
		
		int i = this.getNUM();
		String t = this.gettext();
				
//Here, I bereave the String from unnecessary punctuation.

		String punctuation = ".,:;_!?)(";
		for(int a=0;a<punctuation.length();a++){
              t = t.replace(punctuation.substring(a,a+1), "");}

		ArrayList<String> words = new ArrayList<String>();
		
		for(String word : t.split(" ")){  words.add(word);  }; 
		
		for(int d=0;d<words.size();d++){

		Matcher empty = Pattern.compile("[\\s]+").matcher(words.get(d));

                        if(empty.matches()){  words.remove(d);  }
                                                                                      
}
		
		
		for(int a=0;a<(words.size()-i);a++){
		  	    
	         System.out.println(words.get(a));}
	  
	}
}

Meine Frage betrifft nu die Klasse NGram, dort die Zeilen 40-42:

Ich will aus der ArrayList words alle Elemente heraushaben, die ein oder mehrere Leerzeichen, also " ", " " usw.enthalten.

Nichtsdestotrotz wird

bei diesem eingelesenen Text:

Ich habe nun einen Text - das ist wahr -, in dem New York vorkommt.

folgendes ausgedruckt:

Ich
habe
nun
einen
Text
-
das
ist
wahr
-
in










dem
New








Nun frage ich mich: Woran liegt denn das??

 

[Gast2]

Lass dir doch mal ausgeben was

words.get(d)

ist. Der Matcher funktioniert, dein Regex ist auch richtig.

Du wirst aber bei einer schleife so auch ne ConcurrentModificationException bekommen bei dem remove.

 

[XHelp]

Es liegt vermutlich darin, dass die Strings nun mal keine Leerzeichen enthalten, du splittest ja vorher nach den Leerzeichen, da können keine im den Wörtern auftauchen.
Was du vermutlich willst ist entweder nach

\s+

zu splitten oder

words.get(d).isEmpty

überprüfen.

Darüber hinaus wird dein Löschen nicht funktionieren. Du wirst Elemente überspringen. Schau dir für solche Sachen [japi]Iterator[/japi] an.

 

[HPL]

@XHelp: Danke!!! Ich war zu töricht, mit zu überlegen, dass man der split()-Methode auch einen regex übergeben kann (wie ich dies in Zeile 38 getan habe).

Wenn ich in Z. 38 nicht mit "\\s+", sondern mit " " gesplittet hätte, dann hätte ich zudem das, was weggesplittet wurde, ohnehin in keiner Form matchen können.

Das ganze Ding (also die Klasse mit der Main habe ich ja nicht verändert) dient übrigens dazu, aus einem Text, in dem 2 (oder 3 oder 4, je nach dem, welche Zahl als arg[0] übergeben wird) Wörter hintereinander groß geschrieben werden (wobei Wörter, die mit - verbunden sind, nicht als 2 unterschiedliche Wörter zählen), auszusortieren und in eine Datenstruktur zu setzen. Problem ist halt noch: Was stelle ich mit den Wörtern an, die nach . stehen und folglich groß geschrieben werden, aber das mach ich ein andermal. Hätte ich mehr Grips, hätt ich das freilich besser gelöst.

import java.lang.System;
import java.util.regex.*;
import java.util.ArrayList;

public class NGram {

	private String NUM, text;
	
	public NGram(String NUM, String text){
		this.NUM = NUM;
		this.text = text;
	}
	
	
	public int getNUM(){ int i = Integer.parseInt(this.NUM);
	                     return i;   }
	
	
	public String gettext(){ 
		                 return this.text; }
	
	
	public void yield(){
		
		int i = this.getNUM();
		String t = this.gettext();
		
		ArrayList<String[]> ALLNGRAMS = new ArrayList<String[]>();
		
		//Here, I bereave the String from unnecessary punctuation.

		String punctuation = ".,:;_!?)(";
		for(int a=0;a<punctuation.length();a++){
        t = t.replace(punctuation.substring(a,a+1), "");}

		ArrayList<String> words = new ArrayList<String>();
		
		for(String word : t.split("\\s+")){  words.add(word);  }; 
				
		for(int a=0;a<(words.size()-i);a++){
		  
	      String[] NGRAMS = new String[i];
	      
			for(int b=0;b<i;b++){
				Matcher m = Pattern.compile("[A-Z]").matcher(words.get(a+b).substring(0, 1)); 
			    if(! m.matches()){break;}
			    if(m.matches()){ NGRAMS[b] = words.get(a+b); }
			                    }
			
		if( NGRAMS[i-1] != null ){ ALLNGRAMS.add(NGRAMS); }	              
			                                             }

		
		for(int c=0;c<ALLNGRAMS.size();c++){
			
			for(int d=0;d<ALLNGRAMS.get(c).length;d++){ System.out.println(ALLNGRAMS.get(c)[d]);  }
			
		}
	}
}

 

[XHelp]

Ich kann es nicht so ganz erkennen: versteckt sich im Text und im Code noch eine Frage oder ist das Thema erledigt?

 

[HPL]

Is' erledigt, war keine verklausulierte Frage.