Java如何遍历单词？

方法1：使用 split() 分割字符串

原理：通过正则表达式按空格、标点等分隔符拆分字符串。

String text = "Hello, world! This is a sample text.";
String[] words = text.split("\s+"); // 按空格拆分（忽略多个连续空格）
// 遍历单词数组
for (String word : words) {
    // 移除单词前后的标点（可选）
    word = word.replaceAll("[^a-zA-Z]", "");
    if (!word.isEmpty()) {
        System.out.println(word);
    }
}

输出：

Hello
world
This
is
a
sample
text

注意：

• 优点：代码简洁,适合简单场景。
• 缺点：需手动处理标点符号,正则表达式性能略低。

---

方法2：使用 StringTokenizer（旧版API）

原理：通过指定分隔符逐词解析字符串（Java早期方案）。

String text = "Java programming is powerful!";
StringTokenizer tokenizer = new StringTokenizer(text, " ,.!?"); // 指定分隔符
while (tokenizer.hasMoreTokens()) {
    String word = tokenizer.nextToken();
    System.out.println(word);
}

输出：

Java
programming
is
powerful

注意：

• 优点：轻量级,适合遗留系统。
• 缺点：功能有限,不支持正则表达式。

---

方法3：使用正则表达式匹配（Pattern + Matcher）

原理：通过正则精确匹配单词边界（推荐处理复杂文本）。

import java.util.regex.*;
String text = "Email: user@example.com; Count: 123.";
Pattern pattern = Pattern.compile("\b[a-zA-Z]+\b"); // 匹配纯字母单词
Matcher matcher = pattern.matcher(text);
while (matcher.find()) {
    String word = matcher.group();
    System.out.println(word);
}

输出：

Email
user
example
com
Count

注意：

• 优点：精准控制单词定义（如排除数字、邮箱）。
• 缺点：正则编写复杂，需理解边界符 b。

---

方法4：Java 8+ 的 Stream API

原理：结合 split() 和流式操作,支持函数式编程。

String text = "Learn Java Stream API";
Arrays.stream(text.split("\s+"))
    .map(word -> word.replaceAll("[^a-zA-Z]", ""))
    .filter(word -> !word.isEmpty())
    .forEach(System.out::println);

输出：

Learn
Java
Stream
API

注意：

• 优点：链式调用,易于并行处理大数据。
• 缺点：性能略低于循环。

---

关键注意事项

1. 分隔符选择：
   • 简单空格拆分：split("\s+")
   • 包含标点：split("[\s.,;!?]+")
2. 空字符串过滤：拆分后需检查 word.isEmpty()。
3. 大小写处理：用 word.toLowerCase() 统一小写。
4. 性能考量：
   • 小文本：split() 或 Stream。
   • 大文本：StringTokenizer 或 Pattern。

---

总结建议

• 基础场景：用 split() 快速实现。
• 复杂文本：选正则匹配（Pattern/Matcher）。
• 现代Java开发：优先使用 Stream API。
• 兼容旧系统：StringTokenizer 作为备选。

引用说明：本文代码示例基于Oracle官方Java文档[^1]和正则表达式标准（IEEE Std 1003.1）[^2],实践时请根据JDK版本调整语法。

[^1]: Oracle, “Java String Documentation”, 2025.
[^2]: IEEE, “Regular Expression Standards”, POSIX.1-2017.