Как отделить слово запятой, пробелом, периодом (.), Tab (\ t), скобками(), скобками [] и фигурными фигурными скобками ({}) символов в wordcount hadoop?

Question

Я практикую MapReduce с Cloudera turotial here. Однако, в настоящее время руководство предназначено только разделить слова пробелом с этим регулярное выражение в Java:

private static final Pattern WORD_BOUNDARY = Pattern.compile("\\s*\\b\\s*");

Однако, в дополнение к пространству "\\s*", я также хочу, чтобы определить отдельные слова через запятую, период и вкладки ((.) \ t), скобки(), скобки [] и фигурные фигурные скобки ({}). Другими словами, я определяю слово как строку, которая имеет один или несколько буквенно-цифровых символов, ограниченных двумя не буквенно-цифровыми символами. Например:

• (cece54) имеет одно слово "cece54" ограниченный ()
• {DWD] имеет одно слово "МСГ" ограниченная {]
• ххх) имеет одно слово "ххх" связаны <space> и )
• и так далее.

Так как должно быть написано мое регулярное выражение, чтобы получить это требование?

Answer 1

Если определить слово как один или несколько последовательных алфавитно-цифровых символов, затем разделить на один или несколько последовательных не-буквенно-цифровых символов, то есть "\\P{Alnum}+" или "[^a-zA-Z0-9]+".

См., Например, regex101.

Вы можете прикрепить первый номер (?U), то есть "(?U)\\P{Alnum}+", для полной поддержки международного юникода.

Answer 2

не супер знакомы с регулярными выражениями, но я считаю, что код

"\\s*\\b(\\s*|\t*|\{*|\}*)" и так далее

Java-документы для шаблона являются here

Answer 3

Все разделители могут быть разделены | pipe, и он может быть непосредственно разделен на использование метода split класса Java String. Пример для ссылки - http://www.tutorialspoint.com/compile_java_online.php?PID=0Bw_CjBb95KQMOV8zUmpnZUlXZTQ. Это было бы просто, а не определять шаблон.

Я добавил, что осталось несколько оставшихся при необходимости.

  String str = "Hello World{!]as"; 
     String splits[] = str.split(" |\\[|\\]|\\{"); 
     for (String split: splits) { 
      System.out.println(split); 
     }