Java翻译工具无法匹配多词表达式的修复方案咨询

问题根源 #

原代码核心问题是将文本按空格拆分为单个单词逐个处理，完全无法识别多词短语；同时translateWord方法仅针对单个单词匹配，导致长短语永远无法被触发匹配。

解决方案 #

要实现优先匹配最长多词短语的需求，需从两点修改：

• 对字典中的短语按长度降序排序，确保长短语优先被匹配
• 直接对整行文本进行全局替换，而非拆分单词处理

修改后的完整代码 #

Translator类

import java.io.BufferedReader;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.*;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Translator {

    public Map<String, String> getDictionary(String filePath) throws IOException, InvalidFileFormatException {
        Map<String, String> dictionary = new HashMap<>();

        try (BufferedReader br = Files.newBufferedReader(Paths.get(filePath))) {
            String line;
            while ((line = br.readLine()) != null) {
                String[] parts = line.split("\\|");
                if (parts.length != 2) {
                    throw new InvalidFileFormatException("Invalid format file: " + line);
                }
                dictionary.put(parts[0].trim(), parts[1].trim());
            }
        }
        return dictionary;
    }

    // 按短语长度降序排序，确保长短语优先匹配
    private List<String> getSortedPhrases(Map<String, String> dictionary) {
        List<String> phrases = new ArrayList<>(dictionary.keySet());
        phrases.sort((a, b) -> Integer.compare(b.length(), a.length()));
        return phrases;
    }

    public String translateText(String textFile, Map<String, String> dictionary) throws FileReadException, IOException {
        StringBuilder result = new StringBuilder();
        List<String> sortedPhrases = getSortedPhrases(dictionary);

        try (BufferedReader br = Files.newBufferedReader(Paths.get(textFile))) {
            String line;
            while ((line = br.readLine()) != null) {
                String processedLine = line;
                // 优先处理长短语，避免短短语提前匹配占用文本
                for (String phrase : sortedPhrases) {
                    // 构建忽略大小写的正则，确保短语完整匹配（单词边界）
                    String regex = "\\b" + Pattern.quote(phrase) + "\\b";
                    Pattern pattern = Pattern.compile(regex, Pattern.CASE_INSENSITIVE);
                    Matcher matcher = pattern.matcher(processedLine);
                    processedLine = matcher.replaceAll(dictionary.get(phrase));
                }
                result.append(processedLine).append("\n");
            }
        } catch (FileNotFoundException e) {
            throw new FileReadException("File was not found: " + textFile);
        }
        return result.toString().trim();
    }
}

关键修改说明 #

1. 短语排序逻辑：新增getSortedPhrases方法，将字典中的短语按长度从长到短排序，保证长短语先被处理，满足"最长匹配优先"规则。
2. 整行文本替换：
   • 使用Pattern.CASE_INSENSITIVE实现忽略大小写的匹配规则
   • 通过\b单词边界确保短语是完整匹配，避免部分匹配（例如不会误匹配looking中的look）
   • 用Pattern.quote处理短语中的特殊字符，防止正则表达式解析错误
3. 移除单单词处理逻辑：删除原有的translateWord方法，不再拆分单词，直接对整行文本进行全局替换。

验证效果 #

处理输入句子I look forward to our meeting.时，会优先匹配look forward to并替换为translation2，最终输出结果为：

I translation2 our meeting.

完全符合预期需求。

内容的提问来源于stack exchange，提问作者Mark Avreliy