正则能实现这样的功能吗？

Question

有一段文本，我要把它不重复的字与词都提取出来，即去掉重复词语。
比如有如下文本内容：
这是文本内容一，认真看
这是文本内容二，简单看
这是文本内容三，深入看处理后，我要得到如下的文本：
这是文本内容一二三，认真简单深入看注：标点符号也可以去掉,词语规定为两个字吧，三个字以上的忽略。感觉有点不好想，也不知道这能否实现？请高人指教。
本人现正在研究全文搜索，这个是突发感想，不知道这可否实现呢？

Answer 1

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.HashSet;
import java.util.Set;
public class Test {
public static void main(String args[]) throws IOException {
 BufferedReader br=new  BufferedReader(new FileReader("f:\\test.txt"));
 String str=null;
 Set<String> set=new HashSet<String>();
 while((str=br.readLine())!=null){
 String[] array=str.split("(?<!^)(?!\\s)");
 for(String key:array)
 set.add(key);
 }
 System.out.println(set);
 br.close(); }
}测试txt：
这是文本内容一，认真看
这是文本内容二，简单看
这是文本内容三，深入看

Answer 2

先分词吧，中科院分词ICTCLAS~