String auf Satzzeichen überprüfen?

[Beowend]

Hallo,
finde jetzt keine passende Methode über die Character-Klasse um ein String auf Satzzeichen zu überprüfen:

import java.util.Scanner;

public class SatzUeberpruefen {

    public static void main(String[] args) {

        Scanner scan = new Scanner(System.in);
        System.out.println("Bitte gebe einen Satz ein:");
        String satz = scan.nextLine();
        checkSentence(satz);
    }

    private static void checkSentence(String satz) {
        char[] chars = satz.toCharArray(); // char-array: String wird in chars zerlegt
        int anzahlGB = 0; //Anzahl Großbuchstaben
        int anzahlKB = 0; //Anzahl Kleinbuchstaben
        int anzahlLZ= 0; //Anzahl Leerzeichen
        int anzahlSZ= 0; //Anzahl Satzzeichen

        for (int i = 0; i < chars.length; i++) {
            if (chars[i] == ' ')
                anzahlLZ++;
            if (Character.isUpperCase(chars[i]))
                anzahlGB++;
            if (Character.isLowerCase(chars[i]))
                anzahlKB++;
            if (Character.is???(chars[i]))
                anzahlSZ++;

        }
        System.out.println("Satzlänge (Anzahl Zeichen): " + chars.length);
        System.out.println("Anzahl der Leerzeichen: " + anzahlLZ);
        System.out.println("Anzahl der Großbuchstaben: " + anzahlGB);
        System.out.println("Anzahl der KleinBuchstaben: " + anzahlKB);
        System.out.println("Anzahl der Satzzeichen " + anzahlSZ);
    }

}

Was finde ich nicht?

 

[temi]

Diese Methode gibt es nicht. Eine Möglichkeit wäre es, die gewünschten Zeichen einzeln zu prüfen. Dazu kannst du dir auch selbst eine passende Methode schreiben und in deiner if-Struktur einsetzen.

 

[Oneixee5]

Folgende Varianten sollten funktionieren:

if (Character.OTHER_PUNCTUATION == Character.getType(chars[i])) {...}

String str = "?";
// The pattern matches the following 32 characters: !"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
if (Pattern.matches("\\p{Punct}", str)) {...}

Hier sollte ein "else" eingebaut werden, da ein Zeichen nicht gleichzeitig ein Kleinbuchstabe und ein Großbuchstabe sein kann.

if (Character.isUpperCase(chars[i]))
    anzahlGB++;
if (Character.isLowerCase(chars[i]))
    anzahlKB++;

 

[KonradN]

Wobei ich eine Variante über ein Set für deutlich lesbarer und verständlicher halte:

Also Set<Character> satzzeichen = Set.of(',', '.', ....);
und dann ein einfaches satzzeichen.contains(chars[i]) prüfen.

Reguläre Ausdrücke sind da aus meiner Sicht zu hoch gegriffen. Und auch OTHER_PUNCTUATION - das sind 628 Zeichen, die da drin sind und keine Klammern und co. So interpretiere ich das zumindest bei der Unicode Gliederung:
Template:General Category (Unicode) - Wikipedia
Und da gibt es Punctuation Klassen und ich verstehe es so, dass die Other Klasse eben alle anderen Puctuation Elemente besitzt, die noch nicht gelistet waren. (Und das kann man ja auch testen, wie das in Java ist. "," ist OTHER_PUNCTUATION, aber '-' und '(' sind es nicht.)

Und Satzzeichen nach Wikipedia:
Satzzeichen – Wikipedia
beinhaltet auch Klammern und Gedankenstriche und so, die wohl nicht in PO sind.

 

[Beowend]

Das es über Pattern ginge, war mir klar. Wollte lediglich wissen, ob die Klasse Character eine Methode besitzt, worüber man direkt Satzzeichen abfragen kann. Leerzeichen geht ja auch über Character.isWhitespace().
Trotzdem vielen Dank für die Antworten 🙂

 

[Robert Zenz]

Die Sache ist glaube ich wie man "Satzzeichen" definiert, da werden sich wahrscheinlich die Geister ein wenig scheiden, insbesondere wenn man alle Sprachen in betracht zieht.

Noch als Anmerkung, anstelle von char sollte man die API mit int verwenden, weil man mit char (2-Byte) nicht den gesamten UTF-8/16 Raum abdecken kann. Ist bei Deutsch und Englisch nicht ein Problem, aber bei einigen anderen Sprachen, siehe meine Wiederholung zu dem Thema.

 

[KonradN]

Wollte lediglich wissen, ob die Klasse Character eine Methode besitzt, worüber man direkt Satzzeichen abfragen kann

Als Ergänzung zu der Antwort von @Robert Zenz evtl. noch ein paar weitere Erläuterungen:
Das Java Framework liefert nur grundlegende Funktionalitäten. Es ist normal, dass ganz spezifische Dinge eben nicht behandelt werden.

Wie Robert gut formuliert hat: "Satzzeichen" ist nicht universell definiert. Bei der Umsetzung der Klasse Character sind die Entwickler sehr deutlich auf die Unicode Definitionen eingegangen. Das erkennt man sehr gut bei der Dokumentation wenn dann bei den einzelnen Kategorien von Zeichen Unicode Kategorien verwendet wurden. So findet sich dann als Dokumentation z.B. "General category "Po" in the Unicode specification.".

Dass es also keine Erkennung von Satzzeichen im Java Framework gibt, kann also erst einmal darauf zurück geführt werden, dass es dazu keine generelle Definition gibt. Und das dies genau so ist, wie es ist, kann man auch etwas erkennen, wenn man sich den Wikipedia Artikel anschaut: Satzzeichen – Wikipedia
Das zeigt, dass es relativ spezifisch ist für das Deutsche und es auch diverse Entwicklungen gab. Auf den ersten Blick sieht es evtl. einfach aus, aber wenn man sich Sprachen mit anderen Schriften anschaut, dann merkt man sehr schnell, dass es eben nicht einheitlich ist. Also z.B. japanisch könnte man sich einmal ansehen bezüglich dieser Thematik: Japanisch Lernen: Lange Vokale, Doppelkonsonanten, Satzzeichen und Sonderzeichen - Japanisch Lernen (japanischlernenonline.de)

Das nur als ausführliche Erläuterung der Problematik.

Daher die wichtigen Punkte aus meiner Sicht:

a) Es ist vollkommen normal, dass man spezifische Anforderungen selbst entwickeln muss. So auch hier.

b) Wenn man so eine spezifische Anforderung hat, dann sollte man diese sauber analysieren und dann entsprechend implementieren. Und da ist meine Sichtweise relativ eindeutig:
1. Es gibt eine Menge an Zeichen, welche wir als Satzzeichen betrachten. Diese sollten wir klar und deutlich definieren.
2. Die Prüfung, ob ein Zeichen eben ein Satzzeichen ist, ist dann einfach die Prüfung, ob das Zeichen Bestandteil der Menge ist.

Die einfachste Umsetzung habe ich aufgezeigt. Generell ist es aber durchaus denkbar (und auch sinnvoll), dass man dies universeller macht. So ist eine Idee, die mir direkt durch den Kopf geht, eine Resource, die man einliest. Über die Internationalisierung kann Java dann automatisch genau das laden, was eben benötigt wird. Dann ist die de_de Ressource halt die deutschen Satzzeichen aber wenn man dann ja_jp hat, dann werden die japanischen Satzzeichen verwendet. (Aber das ist dann etwas, das weit über die Anfangsaufgaben und Lösungen hinaus geht. Das also nur als allgemeiner Hinweis, um aufzuzeigen, dass selbst so eine augenscheinlich einfache Thematik bei genauer Analyse deutlich komplexer werden kann.)