Compteur du nombre de mots, phrases,etc

Bonjour à tous,
Tout d'abord, je ne sais pas si je dois poster cette question sous le forum JAVA ou ALGO!

Je souhaite compter dans un texte le nombre de mots, de phrases et de paragraphes.

Mais voila, j'ai realisé une classe Java qui me retourne ses trois info via un split de mon string.
Le probleme, c'est que j'obtiens pas le meme resultat que les statistiques affichées dans MS word.

Ma question: comment peut-on faire pour que cela soit cohérent? (cad avoir les meme stat que sous word)

Pour les mots, je vais un split selon " "
Pour les phrase, je vais un split selon "!?."
Et pour les paragraphes, selon "\n"

Merci d'avance pour votre aide

Je vais répondre à ta question par une autre question...

Comment Word compte-t-il ces même notions ? Quels séparateurs utilise-t-il ? Si tu trouves l'information (Google & co...), tu n'auras plus qu'à implémenter la même logique pour avoir des résultats identiques ;)

Merci, mais là est justement ma question et je n'ai pas trouvé grand chose sur Google! (c'est pourquoi je pensais que c'etait plus une question ALGORITHME que JAVA)

Je pense que tes critères de séparation sont trop simples, par exemple ceci:

Code:

---

1 2	Bonjour!!! Demain il fera beau

---

Te renverra 4 mots, alors qu'il y en a 5, et 4 phrases, alors qu'il n'y en a que 2. En effet il n'y a pas de blanc entre Bonjour et Demain, juste un \n, et il faut savoir si !!! compte comme 3 phrases.

La question que je me poserai par rapport à Word est: des deux résultats, lequel est cohérent par rapport à ce que je veux?
Commence avec des textes simples et regarde les pièges.

Salut,
Les séparateurs de mots sont plus nombreux... Ne serait-ce que "l'oiseau" compte pour deux mots (si mes souvenirs de prepa avec les super résumés sont bons... ;))
Je ne connais pas tous les critères exacts, mais sur un site littéraire (académie francaise ?) tu pourrais peut-être trouver ces critères je pense.
Bon courage

Merci à tous,

Le copier-collé a été oublié dans le cas du mot, j'ai au fait:

Pour les mots, je fais un split selon " ';.,?/:+=%*)}{!(\"\t@&|<>\\"

Merci pour votre aide,

JE vais alors tenter de trouver l'algorithme utilisé dans MS word.

Je viens de faire un test dans Word, et je pense que c'est lui qui s'eloigne de mon algo.
En effet, word defini un mot comme 2 entités séparées par un espace (pas les apostrophes, les ?,!,...)

Bref, leur calcul est de loin mauvais car :
"aujourd'hui" ca doit faire un mot
"c'est" ca doit faire 2 mots

Or, word considere tout ca comme un seul mot!!!