如何移除文本中忽略空格的停用词且保留原文本空格结构

核心思路是将停用词转换为能匹配任意数量空白间隔的正则表达式，同时转义停用词中的正则特殊字符，避免匹配逻辑出错，最终替换时保留原文本其他位置的空格。

步骤说明 #

1. 转义正则特殊字符：停用词中如果包含.、*这类正则元字符，必须先转义，否则会被当成匹配规则的一部分，导致匹配错误。
2. 替换空格为空白匹配规则：把停用词里的单个空格替换成\s+（匹配一个或多个空白字符），这样就能兼容文本中停用词部分的多空格情况。
3. 执行替换：用生成的正则表达式在主文本中替换目标内容为空字符串。

Scala 实现代码 #

import java.util.regex.Pattern

def removeStopWordIgnoringSpaces(text: String, stopWord: String): String = {
  // 转义停用词中的正则特殊字符
  val escapedStopWord = Pattern.quote(stopWord)
  // 将停用词的空格替换为匹配任意数量空白的正则
  val regexPattern = escapedStopWord.replace(" ", "\\s+")
  // 执行替换操作
  text.replaceAll(regexPattern, "")
}

// 测试示例
val stopWord = "a wx.yz"
val text = "some text a wx.  yz extra ..."
val result = removeStopWordIgnoringSpaces(text, stopWord)
println(result) // 输出: some text  extra ...

其他语言示例（Java） #

import java.util.regex.Pattern;

public class StopWordHandler {
    public static String removeStopWordIgnoringSpaces(String text, String stopWord) {
        String escapedStopWord = Pattern.quote(stopWord);
        String regexPattern = escapedStopWord.replace(" ", "\\s+");
        return text.replaceAll(regexPattern, "");
    }

    public static void main(String[] args) {
        String stopWord = "a wx.yz";
        String text = "some text a wx.  yz extra ...";
        System.out.println(removeStopWordIgnoringSpaces(text, stopWord));
    }
}

内容的提问来源于stack exchange，提问作者svg_af_2