Question

我有一些用不同语言回来的文字。现在，文本以（en-us aka english for US）的形式从客户端返回：

Stuff here to keep.

-- Delete Here --
all of this below
gets
deleted

我正在使用正则表达式匹配“删除此处”，并在该行及其下方剪切所有内容，并留在“此处保留此内容”。

“删除此处：”是可以使用任何语言返回的文本。

所以对于意大利人来说，匹配的关键词是“Elimina qui”：

Stuff here to keep (in italian)

-- Elimina qui --
all of this bellow
gets
deleted

我的正则表达式使用类似这样的内容来匹配“删除此处”但是如何让它与其他语言一起使用？

我是否为每个单词组合“删除”，“在这里”，（还有更多要匹配的单词等）查找字典，等等。如何使此解决方案适用于所有语言？

注意：这是一个非常非常简单的例子。 “ - 删除这里 - ”只是我必须匹配的一种模式。其他模式可能只是“删除此处”。还有其他模式，如“全部删除” （再次对于文学语境，我有其他文本模式以多种语言匹配。）

Pattern PATTERN = Pattern.compile("^(.*?)-+ *Delete Here *-+", Pattern.DOTALL);
Matcher m = PATTERN.matcher(text);
    if (m.find()) {
      // Perform Magic!
}

Answer 1

如果您的数据的其他部分没有连续破折号，则可以使用否定字符类来匹配这些破折号。

另一种可能的选择是使用\p{L}匹配来自任何语言的任何类型的字母。

-- *\p{L}+ \p{L}+ *--

请参阅Live demo

Answer 2

你可以在正则表达式中使用OR

Pattern PATTERN = Pattern.compile("^(.*?)-+ *(?:Delete Here|Elimina qui) *-+", Pattern.DOTALL)

但是如果你有很多（hunderds）OR字符串，那么从性能的角度来看它可能会有问题。对于这样的数字最好是制作简单的模式来检索“ - ”之间的字符串并使用一个集来检查它是否是你要找的

使用正则表达式解析不同的语言环境/语言？

2 个答案: