Scala技术咨询：如何在文本文件中匹配指定字符串并提取对应句子

我来帮你搞定这个需求～你当前的代码之所以会返回整个文件内容，是因为两个关键问题：

• 用mkString把所有行直接合并成了一个大字符串，丢失了句子的边界信息
• filter的逻辑写错了，你现在是判断整个文件内容是否包含目标字符串，只要有一处匹配就会把整个文本返回，而不是筛选单个句子

下面是具体的解决思路和代码示例：

步骤1：正确分割文本为句子 #

首先得把整个文本拆分成一个个独立的句子。英文句子通常以.、!、?结尾，后面可能跟着空格或换行，我们可以用正则表达式来匹配这些分隔符：

val sentencePattern = """(?<=[.!?])\s+""".r // 匹配句子结尾符后的空白字符作为分隔符

这个正则的意思是：匹配那些紧跟在./!/?后面的一个或多个空白字符（空格、换行等），用它来分割句子可以保留句子本身的结尾符号。

步骤2：读取文件并筛选目标句子 #

接下来读取文件内容，分割成句子列表，然后过滤出包含指定字符串的句子：

import scala.io.Source

object SentenceSearch {
  def main(args: Array[String]): Unit = {
    val targetString = "string to search" // 你要搜索的目标字符串
    val filePath = "/Users/sc/Documents/Scala_Code/input.txt"
    
    // 读取文件所有内容并合并成一个字符串
    val fileContents = Source.fromFile(filePath).mkString
    
    // 分割成句子列表
    val sentences = sentencePattern.split(fileContents)
    
    // 过滤出包含目标字符串的句子（大小写敏感）
    val matchedSentences = sentences.filter(_.contains(targetString))
    
    // 打印结果
    matchedSentences.foreach(println)
  }
}

额外优化：忽略大小写匹配 #

如果需要忽略大小写来搜索，可以把判断条件改成：

val matchedSentences = sentences.filter(_.toLowerCase.contains(targetString.toLowerCase))

处理大文件的注意事项 #

如果你的文件非常大，一次性读入全部内容可能会占用较多内存。这时候可以逐行处理，先把每行拆分成句子，再过滤：

val matchedSentences = Source.fromFile(filePath)
  .getLines()
  .flatMap(line => sentencePattern.split(line)) // 把每行拆分成句子
  .filter(_.contains(targetString))
  .toList

这样就能精准提取出所有包含目标字符串的句子啦～

内容的提问来源于stack exchange，提问作者DW_BD