9.7 StringTokenizer类

9.7 StringTokenizer类StringTokenizer类:解析字符串单词和split方法不同的是,StringTokenizer对象不使用正则表达式做分隔标记有时候要分析字符串并将字符串分解成可独立使用的单词,这些单词称为语言符号。对于字符串“Iamstudent”,如果把空格作为该字符串的标记,那么该字符串有三个单词(语言符号)。对于字符串“I,am,student”,如果把逗号作为该字符串的标…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

  • StringTokenizer类:解析字符串单词

 

和split方法不同的是,StringTokenizer对象不使用正则表达式做分隔标记

 

有时候要分析字符串并将字符串分解成可独立使用的单词,这些单词称为语言符号。对于字符串“I am student”,如果把空格作为该字符串的标记,那么该字符串有三个单词(语言符号)。对于字符串“I,am, student”,如果把逗号作为该字符串的标记,那么该字符串有三个单词(语言符号)。

 

当分析一个字符串并将字符串分解成可独立使用的单词时,可以使用java.util包中的StringTokenizer类,该类有两个常用的构造方法

  • StringTokenizer(String s):

为字符串s构造一个分析器,使用默认的分隔标记,即空格符(多个空格被看做一个空格),换行符,回车符,Tab符,进制符

  • StringTokenizer(String s,String delim):

为字符串s构造一个分析器,使用参数dilim中的字符的任意组合作为分隔标记。

如:

StringTokenizer s=new StringTokenizer(“we,are;student” , ”,;”);

注意:分隔标记的任意组合仍然是分隔标记

 

一个StringTokenizer对象称为一个字符串分析器,字符串分析器使用nextToken()方法逐个获取字符串中的语言符号(单词),每当调用nextToken()时,都将在字符串中获得下一个语言符号,每当获得一个语言符号时,字符串分析器负责计数的变量的值就自动减一,该计数变量的初始值等于字符串中的单词数目

通常用while循环逐个获取语言符号,为了控制循环,可以使用StringTokenizer类中的hasMoreTokens()方法,只要字符串中还有语言符号,即计数变量的值大于0,该方法就返回true,否则就false.

另外还可以随时让分析器调用countTokens()方法得到分析器中计数变量的值

 

import java.util.StringTokenizer;

public class p1 {
    public static void main(String args[]) {
        String s="市话费:28.89元,长途话费:128.87元,上网费:298元。";
        String delim="市话长途上网费元:,。";
        StringTokenizer fenxi=new StringTokenizer(s,delim);//用delim中的字符的任意组合作为分隔标记
        double total=0;
        while (fenxi.hasMoreTokens()){
            double money=Double.parseDouble(fenxi.nextToken());
            //数字组成的字符串,转化成double类型,再赋值给money
            System.out.println(money);
            total=total+money;
        }
        System.out.println(total);

    }
}

28.89
128.87
298.0
455.76

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/191781.html原文链接:https://javaforall.net

(0)
上一篇 2026年1月25日 下午3:15
下一篇 2026年1月25日 下午3:43


相关推荐

  • Lists.partition用法

    Lists.partition用法将 list 集合按指定长度进行切分 返回新的 List List gt 集合 如下的 List List Integer gt lists Lists partition numList 3 packagetest importcom google common collect Lists importorg junit Te List Integer List

    2026年3月19日
    1
  • grafana导出报表插件_数据库报表生成工具

    grafana导出报表插件_数据库报表生成工具服务器端性能监控,数据报表一个比较好的开源报表工具,Grafana。Github地址:https://github.com/grafana/grafana官网地址:http://grafana.org/支持:windows、Linux、Mac视觉效果: …

    2022年10月20日
    3
  • .java文件怎么在cmd中运行(以Helloworld为例)

    .java文件怎么在cmd中运行(以Helloworld为例)Java环境的配置#-欢迎使用Markdown编辑器你好!这是你第一次使用Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器,可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:全新的界面设计,将会带来全新的写作体验;在创作中心设置你喜爱的代码高亮样式,Markdown将代码片显示选择的高亮样式

    2022年5月27日
    92
  • flume与kafka应用场景解析「建议收藏」

    flume与kafka应用场景解析「建议收藏」今天也要努力学习flume与kafka是同级的一个消息传输通道:但是有各自的定位1:kafka定位消息队列,它可以有许多的生产者和消费者,并可以共享一个主题topic队列。而flume是定位数据传输,相比下,flume是一个专用工具被设计为旨在往HDFS,HBASE发送数据。它对H…

    2022年10月14日
    4
  • Win8.1应用开发之异步编程

    Win8.1应用开发之异步编程

    2022年1月25日
    42
  • 基于机器学习的文本分类算法的研究[通俗易懂]

    基于机器学习的文本分类算法的研究[通俗易懂]1.简述文本分类的方法属于有监督的学习方法,分类过程包括文本预处理、特征抽取、降维、分类和模型评价。本文首先研究了文本分类的背景,中文分词算法。然后是对各种各样的特征抽取进行研究,包括词项频率-逆文档频率和word2vec,降维方法有主成分分析法和潜在索引分析,最后是对分类算法进行研究,包括朴素贝叶斯的多变量贝努利模型和多项式模型,支持向量机和深度学习方法。深度学习方法包括多层感知机,卷积神…

    2022年6月8日
    43

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号