关于BreakIterator类

BreakIterator类是与语言环境相关的，因为文本边界会随着语言的不同而变化。例如，换行的语法规则并不适用于所有语言。要确定BreakIterator类支持哪些语言环境，请调用getAvailableLocales方法，如下所示：

Locale[] locales = BreakIterator.getAvailableLocales();

您可以使用BreakIterator类分析四种类型的边界：字符边界、单词边界、句子边界和潜在的换行边界。在实例化BreakIterator时，您需要调用适当的工厂方法：

• getCharacterInstance
• getWordInstance
• getSentenceInstance
• getLineInstance

BreakIterator的每个实例只能检测一种类型的边界。例如，如果您想要定位字符和单词边界，您需要创建两个单独的实例。

BreakIterator有一个虚拟的光标，它指向文本字符串中的当前边界。您可以使用previous和next方法在文本中移动该光标。例如，如果您使用getWordInstance创建了一个BreakIterator，每次调用next方法时，光标都会移动到文本中的下一个单词边界。光标移动方法返回一个整数，表示边界的位置。该位置是文本字符串中紧随边界之后的字符的索引。与字符串索引一样，边界是从零开始的。第一个边界位于0，最后一个边界位于字符串的长度。以下图显示了在一行文本中使用next和previous方法检测到的单词边界：

此图已缩小以适应页面。
单击图像以查看其自然大小。

您应该仅将BreakIterator类与自然语言文本一起使用。要对编程语言进行标记化，请使用StreamTokenizer类。

以下部分为每种类型的边界分析提供了示例。编码示例来自名为BreakIteratorDemo.java的源代码文件。